[發明專利]基于麻雀搜索算法優化Bi-LSTM的網絡安全態勢預測方法

有效

• 申請號: 202110429845.2
• 申請日: 2021-04-21
• 公開（公告）號: CN113259325B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 陶曉玲;王素芳;趙峰;符廉銪;強保華;劉潤蓉
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/08;G06N3/04;G06N3/00
• 代理公司: 桂林文必達專利代理事務所(特殊普通合伙) 45134
• 代理人: 張學平

本發明公開了一種基于麻雀搜索算法優化Bi?LSTM的網絡安全態勢預測方法，屬于網絡安全技術領域。初始化麻雀種群并迭代篩選獲取運算結果；基于運算結果初始化Bi?LSTM神經網絡超參數，得到SSA優化后的Bi?LSTM模型；對SSA優化后的Bi?LSTM模型進行訓練生成預測模型；向預測模型中輸入預測數據并獲取結果。本發明利用麻雀搜索算法來優化Bi?LSTM神經網絡超參數，采用SSA優化的Bi?LSTM能夠加速模型的收斂，提高模型的預測精度，從而解決現有技術預測精度不夠的問題。

技術領域

本發明涉及網絡安全技術領域，尤其涉及一種基于麻雀搜索算法優化Bi-LSTM的網絡安全態勢預測方法。

背景技術

網絡安全態勢預測作為態勢感知的最高層次，它是利用歷史和當前的安全態勢信息來對未來的網絡態勢發展情況進行定量預測。其目的就是可以讓網絡管理人員能夠感知網絡最近的安全狀態，以及網絡狀態的演變過程和可能發生的網絡攻擊。通過預測，管理員可以獲得早期預警信息并主動采取預防措施，以有效的應對即將發生的攻擊威脅。

因為網絡攻擊行為存在前后時序關聯，簡單來說，攻擊行為不可能是一蹴而就的，不同階段的攻擊行為會反映在相關數據中，即底層網絡數據能夠抽象為特定的時間序列事件，故可將態勢預測問題歸結為對時間序列的處理問題。考慮到攻擊行為的前后關聯性，只關注歷史信息是不夠的，為了能夠更加準確的來預測網絡態勢，我們不僅需要利用歷史信息，還有必要借助未來的信息來做出更好的判斷。

現有技術的預測精度不夠，無法滿足現實需要。

發明內容

本發明的目的在于提供一種基于麻雀搜索算法優化Bi-LSTM的網絡安全態勢預測方法，旨在解決現有技術預測精度不夠的問題。

為實現上述目的，本發明提供了一種基于麻雀搜索算法優化Bi-LSTM的網絡安全態勢預測方法，包括初始化麻雀種群并迭代篩選獲取運算結果；

基于運算結果初始化Bi-LSTM神經網絡超參數，得到經過SSA優化的Bi-LSTM模型；

對優化后的Bi-LSTM模型進行訓練生成預測模型；

向預測模型中輸入預測數據并獲取結果。

其中，所述初始化麻雀種群并迭代篩選獲取運算結果的具體步驟是：

S201麻雀種群初始化，設置迭代次數和誤差閾值；

S202計算個體適應度；并對其進行排序，確定當前最優適應度值和當前最差適應度值；

S203發現者、追隨者以及預警麻雀位置更新；

S204基于適應度選擇個體；并更新全局最優適應度值；

S205檢測迭代次數或者誤差是否滿足要求，若不滿足則繼續迭代回到S202，若滿足則保留運算結果。

其中，對優化后的Bi-LSTM模型進行訓練生成預測模型的具體步驟是：

將態勢值序列劃分訓練集和測試集；

基于訓練集使用SSA優化后的Bi-LSTM模型學習；

生成預測模型。

其中，所述向預測模型中輸入預測數據并獲取結果中，所述預測數據為測試集。