基于Kalman算法的网络安全态势预测

网络安全态势预测是网络安全领域的研究热点之一,在分析当前网络安全态势预测方法的基础上,论文利用Kalman滤波理论建立了网络安全态势预测模型,利用当前和过去时段的攻击强度和网络安全态势值对下一时段的网络安全态势进行预测.实验结果表明该算法的预测精度优于传统的GM（1,1）算法和普通卡尔曼算法（即未结合影响因素）,算法适应性和实时性优于RBF算法.     

网络安全态势预测方法的应用研究

研究网络安全的预测问题,面对海量恶意攻击,信息要及时告警,进行安全管理。针对当前预测模型只能对过去和现在网络安全态势进行分析,不能对将来网络安全态势进行预测的缺陷,为了提高预测精度,提出了支持向量机的网络安全态势预测方法。支持向量机可以利用过去和当前的网络安全态势值,对将来网络安全状态进行预测,同时采用遗传算法对支持向量机参数优化,加快网络安全态势预测速度。通过仿真对预测方法性能进行检验,结果表明,预测方法能够准确反映网络安全的整体变化趋势,提高了网络安全态势的预测精度,相对于传统预测方法,更适用于现实的网络环境中。     

基于Elman神经网络的网络安全态势预测方法

准确把握网络系统的安全态势,能够为网络管理者做出安全防护的决策提供有效的信息。在评估当前网络安全态势的基础上,利用加权后得到的网络安全态势值的非线性时间序列的特点,提出了一种基于Elman神经网络的态势预测方法,它利用Elman网络具有动态记忆功能和对历史数据具有敏感性等优点,对网络安全态势进行预测。通过实验仿真表明,该方法能够准确有效地预测网络安全态势。     

网络安全态势预测常用方法探究

日前网络安全态势预测越来越重要,不仅能够分析过去和目前的网络安全状态,还可以预测未来时段的安全态势,这就使得管理者的压力减轻了不少。正因为如此,网络安全态势预测已经成为网络安全研究的热点。本文主要对几种常用方法进行研究。     

基于ARIMA模型的网络安全威胁态势预测方法

针对网络安全威胁态势变化趋势预测的困难性,利用网络安全威胁态势值具有时间序列的特点,提出了一种基于ARIMA的模型的网络安全威胁态势预测方法。该方法首先分析服务、漏洞、弱点等与网络安全相关的信息,合理地计算出网络安全威胁态势值,进而使用ARIMA模型的预测方法对所得序列的变化趋势进行预测。实验结果表明,该方法不仅能够反映真实的网络安全威胁态势的变化趋势,而且其预测的精度也较高。     

基于量子遗传算法的网络安全态势感知研究

基于当前网络状态分析,有利于指导以后的安全态势估计,为了提高网络安全态势感知的主动性和可靠性,提出基于量子遗传算法的网络安全态势感知方法.根据属性的相似度函数计算网络态势信息的相似度,并由报警相似度函数求解出两个报警信息的相似关系.建立对复杂环境下病毒攻击的网络安全态势模型,采用信号处理方法对网络安全态势感知优化.通过量子遗传算法,对网络病毒的交叉点进行区域匹配设置,同时检测病毒入侵的网络信息流,对网络安全态势进行更加精确地感知.基于CICIDS2017进行仿真,实验结果表明,提出的算法得到的安全态势预测结果具有更高的精确性和稳定性,能够有效地提高网络环境的安全性.     

基于时空维度分析的网络安全态势预测方法

现有网络安全态势预测方法无法准确反映未来安全态势要素值变化对未来安全态势的影响,且不能很好地处理各安全要素间的相互影响关系对未来网络安全态势的影响,提出了基于时空维度分析的网络安全态势预测方法.首先从攻击方、防护方和网络环境3方面提取网络安全态势评估要素,然后在时间维度上预测分析未来各时段内的安全态势要素集,最后在空间维度上分析各安全态势要素集及其相互影响关系对网络安全态势的影响,从而得出网络的安全态势.通过对公用数据集网络的测评分析表明,该方法符合实际应用环境,且相比现有方法提高了安全态势感知的准确性.     

融合LSTM-DNN的工业安全态势预测模型

态势预测对于感知工控系统中的安全风险有着重要的作用.传统的态势预测模型往往会忽略工控系统中态势要素的时序性，难以准确对系统的安全态势进行预测.因此本文提出一种基于LSTM-DNN的工业网络安全态势预测模型，以提高传统态势预测模型的精确度.首先从海量数据中选取出与系统态势强相关的态势要素；接下来利用LSTM对提取的态势要素进行预测，得到未来的态势要素链；最后将提取出的态势要素链送入DNN模型中，预测系统未来的安全态势.实验表明，相较于传统的网络安全态势预测模型，该模型框架能够有效地预测未来的态势值；相比于其它算法，所提出的算法具有较高的预测精度.     

网络安全态势预测方法的仿真研究

研究网络安全问题,网络安全是一种复杂的非线性系统,具有显著的时变性特点,传统预测算法不能够准确刻画网络安全复杂变化特点,预测精度低。为提高网络安全态势预测精度,提出一种遗传算法和支持向量机相结合的网络安全态势预测模型。首先将网络安全态势数据重构成多维时间序列,然后输入到支持向量机进行训练,并通过遗传算法解决训练模型参数优化难题,从而建立网络安全态势预测模型,最后采用预测模型对未来时刻网络安全态势进行预测。仿真结果表明,遗传算法和SVM结合的模型可以很好地反映网络的整体安全运行状况,提高了网络安全态势预测精度,可以指导管理员对网络安全进行控制。     

径向基函数神经网络在网络安全预测中的应用

网络安全态势预测目前已成为网络安全领域的重点研究对象。利用神经网络的非线性数据特性和处理混沌的优势,根据网络安全态势值在时间序列上所具有的非线性特点,提出一种基于径向基函数神经网络的网络安全态势预测方法。该方法通过训练径向基函数神经网络来发现态势值数据间的非线性映射关系,然后根据此关系来预测网络安全的态势值。仿真实验测试表明,采用径向基函数神经网络能够取得较高的精度,网络安全态势的变化趋势和实际数据基本吻合,并且由于预测绝对误差较小,网络安全态势值的变化趋势能够较好的反映出来。