发明名称 | 网络安全态势预测的高斯过程回归方法 | ||
摘要 | 本发明公开了网络信息安全技术领域的网络安全态势预测的高斯过程回归方法。本发明使用层次分析法构造出层次化网络安全态势评价指标体系,以该体系分析各种网络安全威胁对网络安全态势的危害程度,进而计算出各个时间监测点的网络安全态势值并构造成时间序列,将其构造成训练样本集,利用高斯过程回归对训练样本集进行迭代训练得到满足误差要求的预测模型,在训练过程中利用粒子群算法动态搜索高斯过程回归的最优训练参数以降低预测误差,最后利用预测模型完成未来时间监测点的网络安全态势值预测。本发明的有益效果为:在降低网络安全态势预测误差方面,有较好的适应性和较低的预测误差。 | ||
申请公布号 | CN102694800A | 申请公布日期 | 2012.09.26 |
申请号 | CN201210157444.7 | 申请日期 | 2012.05.18 |
申请人 | 华北电力大学 | 发明人 | 李元诚;王宇飞 |
分类号 | H04L29/06(2006.01)I | 主分类号 | H04L29/06(2006.01)I |
代理机构 | 北京众合诚成知识产权代理有限公司 11246 | 代理人 | 朱琨 |
主权项 | 网络安全态势预测的高斯过程回归方法,其特征在于,包括以下步骤:1)使用层次分析法构造层次化的网络安全态势评价指标体系T,计算得出网络安全态势评价指标体系T的总排序权重矩阵ω;2)将网络安全设备的历史入侵检测结果按照时间先后顺序,依次输入到网络安全态势评价指标体系T中,得到第1时刻的网络安全态势值V1至第m时刻的网络安全态势值Vm;3)使用滑动窗口方法将V1~Vm构造成时间序列S,s={V1…Vm};然后将时间序列S按照固定比例随机划分,得出高斯过程回归方法中可读的训练样本集Strain和测试样本集Stest;保证训练样本集Strain和测试样本集Stest满足高斯过程回归方法所要求的数据格式;4)利用高斯过程回归方法对训练样本集Strain进行迭代训练,得到临时预测模型h,再利用粒子群算法对临时预测模型h进行误差修正以得到满足误差期望的预测模型H;5)利用预测模型H完成未来时刻的网络安全态势值预测。 | ||
地址 | 102206 北京市昌平区朱辛庄北农路2号 |