基于自修正系数修匀法的网络安全态势预测.docx资源-CSDN文库

版权申诉

49 浏览量 2022-05-31 12:21:14 上传评论收藏 241KB DOCX 举报

资源推荐

资源详情

资源评论

1 引言

网络安全态势预测方法通过对网络中各种安全预警（报警）信息和关联信

息的处理生成时间样本序列，通过对相关信息的进一步处理和分析获取一定时

间段内的网络安全总体情况和可能变化，对及时发现网络中存在的高危态势具

有积极作用。目前，灰色预测法、机器学习预测法和时间序列预测法为常见的

网络安全态势预测方法

[1

]

。

Cipriano 等

[2

]

基于以往警报提出一种网络攻击行为预测模型。该模型将以往

警报作为训练集，通过机器学习方法获得警报知识库，再根据现有警报序列预

测攻击者下一步攻击行为，为实时评估网络安全态势提供参考。 Xiao 等

[3

]

提出了

基于 MEA-BP （mind evolution algorithm-back propagation ）的网络安全态

势预测方法。该方法通过对网络权重和阈值进行改进提高了安全态势的预测准

确率和效率，但对以往数据的标准化不够完善。 Sun

[4

]

提出了基于复杂网络的

Markov 预测模型。该模型将网络安全状况的转换关系构造成复杂网络，并利用

加权马尔可夫链预测安全态势，可在一定程度上反映网络的安全状态，但面对

多状态的网络，所构造出的状态转移概率矩阵规模过大。 Leau 等

[5

]

提出一种经

卡尔曼滤波方程修正的网络安全态势预测模型。该模型基于层次分析法生成网

络安全态势值序列，并通过灰色 Verhulst-Kalman 方法动态预测网络安全态势，

但局限于安全态势为单峰变化的情况。 Schatz 等

[6

]

提出一种减少不确定性的安

全预测方法。该模型基于信息安全领域内具有不同程度专业知识受访者对网络

安全威胁的认知语料，利用概率主题建模方法预测网络安全威胁，但受访人群

的层次、经验的离散性会影响预测精度。孙卫喜等

[7

]

提出一种网络安全态势预测

方法，提高了网络安全态势预测的准确率和有效性，但所需源数据维度较多。

周新卫等

[8

]

通过灰熵关联法提取影响网络安全的主要因素，并在此基础上建立卡

尔曼滤波方程，提高了安全态势预测的精度。韩晓露等

[9

]

提出基于直觉模糊集的

非线性自回归神经网络预测模型（ IFS-NARX,nonlinear autoregressive neural

network with exogenous inputs based on intuitionistic fuzzy set），对网络安

全态势预测可靠性的提升途径做了有益的探索。

针对上述网络安全态势预测方法中存在的数据质量参差不齐以及对多峰变

化的网络安全态势预测准确度降低的不足，为解决目前网络安全态势预测方法

的准确性和有效性不足的问题，本文提出一种基于自修正系数修匀法的网络安

全态势预测模型。

2 网络安全态势预测模型

本文提出的基于自修正系数修匀法的网络安全态势预测模型如图

1

所示。

其中，初始预测部分由可变域空间内的安全时间样本序列建立多重系数修匀模

型以得到初始预测值；预测修正部分通过初始预测值和真实结果的偏离建立时

变加权马尔可夫链，通过该模型对偏差值进行预测并修正初始预测值，最终得

到网络安全态势预测结果。

模型的具体处理和分析过程设计如下。

步骤 1 基于熵关联度将网络警报信息转化为安全态势值非线性时间序列。

图 1

剩余16页未读，继续阅读

内容反馈

版权申诉

罗伯特之技术屋

粉丝: 3677
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip