系统工程与电子技术

作者：孙隽丰, 李成海, 曹波

单位：1. 空军工程大学防空反导学院, 陕西 西安 710051；2. 中国人民解放军第94994部队, 江苏 南京 210000

关键词：网络安全,态势预测,时域卷积网络,双向长短期记忆网络,粒子群优化,注意力机制

基金：国家自然科学基金(62002362);国防自然科学基金(61703426);陕西省高校科协青年人才托举计划(2019038);中国陕西省创新能力支持计划(2020KJXX-065)

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题, 提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先, 将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征; 随后, 引入注意力机制动态调整属性的权值; 然后, 利用BiLSTM模型学习态势值的前后状况, 以提取序列中更多的信息进行预测; 利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优, 提升预测能力。实验结果表明, 所提预测方法的拟合度可达0.999 5, 其拟合效果和收敛速度均优于其他模型。

来源：2023年第11期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2023年第11期