基于置信規(guī)則庫的網絡安全態(tài)勢預測將定性經驗知識與定量網絡數(shù)據(jù)結合,具有較好的預測效果,但當訓練數(shù)據(jù)分布不均時,傳統(tǒng)整體優(yōu)化的預測方法易導致過擬合造成預測精度較低。為此,利用置信規(guī)則庫中規(guī)則作用范圍有限的特性,提出一種將置信規(guī)則庫分級優(yōu)化的網絡安全態(tài)勢預測方法。建立模型作用空間并劃分規(guī)則作用域,將訓練數(shù)據(jù)按照輸入坐標分配到對應的規(guī)則作用域,通過設定臨界值將規(guī)則劃分為可完全優(yōu)化、可部分優(yōu)化與不可優(yōu)化3個等級,同時減少規(guī)則中待優(yōu)化參數(shù)量。實驗結果表明,與GAO-BRB、PSO-BRB等預測方法相比,本文方法能有效避免過擬合現(xiàn)象,網絡安全態(tài)勢預測精度更高。 

【文章來源】：計算機工程. 2020,46(12)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

置信規(guī)則庫優(yōu)化模型

網絡安全態(tài)勢變化具有規(guī)律性,在一定程度上可反映出攻擊者的意圖,通常采用時間序列方法預測網絡態(tài)勢�；诜旨墐�(yōu)化置信規(guī)則庫的網絡安全態(tài)勢預測由研究人員根據(jù)經驗建立初始置信規(guī)則庫模型,再分級優(yōu)化置信規(guī)則庫,具體過程如圖2所示。3 實驗與結果分析

本文實驗網絡環(huán)境如圖3所示。其中,網絡安全評估設備用于識別網絡違法行為并評估網絡安全態(tài)勢。網絡安全態(tài)勢評估周期為1天,記錄實驗網絡連續(xù)運行103天的網絡安全態(tài)勢值構成網絡安全態(tài)勢預測時間序列,如圖4所示。圖4 網絡安全態(tài)勢序列

【參考文獻】：
期刊論文
[1]基于改進粒子群置信規(guī)則庫參數(shù)訓練算法[J]. 楊慧,吳沛澤,倪繼良.  計算機工程與設計. 2017(02)
[2]置信規(guī)則庫專家系統(tǒng)學習優(yōu)化問題的研究[J]. 常瑞,白楊森,孟慶濤.  華北水利水電大學學報(自然科學版). 2015(04)

博士論文
[1]基于置信規(guī)則庫的網絡安全態(tài)勢感知技術研究[D]. 胡冠宇.哈爾濱理工大學 2016



本文編號：3449131