[发明专利]一种基于CS和改进BP神经网络的网络安全态势评估方法

说明书

本发明的一种基于CS和改进BP神经网络的网络安全态势评估方法，包括四个步骤：S1，获取网络安全态势要素，构成训练样本集和测试样本集，确定BP神经网络结构S2，利用布谷鸟搜索（CS）算法寻找最优的初始权值和阈值S3，引入动量因子和陡度因子改进BP神经网络S4，对改进后的BP神经网络进行训练，最后将训练好的网络用于网络安全态势评估，得到最终的态势值和安全等级。本发明利用改进BP神经网络实现网络安全态势精准的定量评估，降低传统评估方法中专家观点的主观影响，客观全面地反映了网络安全整体状况；结合布谷鸟搜索算法、引入动量因子和陡度因子对其进行改进，加快了收敛速度，减少了时空开销，提高了网络安全态势评估的准确性和实用性。

技术领域

本发明涉及网络安全技术领域，特别是涉及一种基于CS和改进BP神经网络的网络安全态势评估方法。

背景技术

随着Internet技术的迅速发展，网络规模也逐渐增加且复杂化，所遭受攻击多元化，安全事件大幅度上涨，安全问题变得日益突出与迫切。网络安全态势评估在此背景下应运而生，逐渐成为下一代网络安防技术的研究重点，网络安全态势评估是指在融合网络安全相关的要素信息的基础上，利用评估算法对网络系统的全局安全态势进行综合分析与实时评估，从而帮助管理人员把握整体网络的安全状况，为网络安全管理指挥、决策提供指导，将风险与损失降到最低限度。

目前，国内外的网络安全态势评估主要分为3类：(1)基于数学模型的方法，代表性方法有基于层次分析法、离偏差法、模糊综合评价法、集对分析法等(2)基于知识推理的方法，代表性方法有基于贝叶斯算法、DS证据理论、图模型、马尔科夫等(3)基于模式识别的方法，代表性方法有基于支持向量机、人工神经网络、粗糙集理论、灰色关联等。

前两种方法应用较多，但是存在主观依赖性强、先验知识获取困难、不合适动态复杂的网络环境等缺点，相较之下，基于模式识别的评估方法具有更高的准确性和客观性，更能适应动态不确定的网络环境，BP神经网络是一种多层前馈网络，因其强大的自学习能力、较好的泛化能力和容错能力等众多优点被广泛应用于态势评估领域，但从应用效果看，目前还存在以下不足：(1)评估数据源单一，导致评估结果存在片面性，可信度较低。(2)时空开销较大，不满足实时性的要求且评估结果不够精确(3)传统BP神经网络存在易形成局部极小、易发生震荡、收敛速度慢等缺点。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种基于CS和改进BP神经网络的网络安全态势评估方法，综合全面的网络安全态势因素，通过自主学习，迭代更新的方式进行精准的态势评估，同时具有较快的运行速度，提高网络安全态势评估的准确性和评估效率，从而真实反映网络安全整体状况。

其解决的技术方案是，包括以下四个步骤，

S1、获取网络安全态势要素，构成训练样本集和测试样本集，确定BP神经网络结构；

S2、利用布谷鸟搜索(CS)算法寻找最优的初始权值和阈值；

S3、引入动量因子和陡度因子改进BP神经网络；

S4、对改进后的BP神经网络进行训练，并将训练好的网络用于网络安全态势评估，得到最终的态势值和安全等级。

如权利要求1所述的一种基于CS和改进BP神经网络的网络安全态势评估方法，其特征在于，所述步骤S1中获取网络安全态势要素，构成训练样本集和测试样本集为对系统配置信息、系统运行信息和网络流量信息在内的态势要素数据进行规范化处理，得到格式统一的态势指标数据，构成训练样本集和测试样本集；