[发明专利]一种网络安全态势预测的方法和装置

权利要求书

1.一种网络安全态势预测的方法，其特征在于，包括：

对网络安全态势序列进行相空间重构，通过所述空间重构确定输入序列和输出序列之间的映射关系；

根据所述映射关系得到输出序列预测值与输出序列实际值匹配下的滑动时间窗；并且利用历史网络安全态势序列建立输入数据和所述输出数据之间的LSTM网络模型；

对所述输入数据和所述输出数据之间的LSTM网络模型进行优化，利用优化的LSTM网络模型预测未来网络安全形势。

2.根据权利要求1所述的方法，其特征在于，对网络安全态势序列进行相空间重构，通过所述空间重构确定输入序列和输出序列之间的映射关系包括：

通过重构得到输入X_re与输出Y_re之间的映射关系，结果如下：

其中，X_re为重构的m维矩阵，Y_re为对应的一维向量，m为窗口长度。

3.根据权利要求2所述的方法，其特征在于，根据所述映射关系得到输出序列预测值与输出序列实际值匹配下的滑动时间窗包括：

通过变化窗口长度m，计算Y_re的预测误差，确定满足预设误差要求的所述Y_re对应的窗口长度m，所述Y_re的预测误差为输出序列预测值与输出序列实际值的误差。

4.根据权利要求3所述的方法，其特征在于，利用历史网络安全态势序列建立输入数据和所述输出数据之间的LSTM网络模型包括：

利用历史网络安全态势序列建立输入X_re和输出Y_re之间的LSTM网络模型f，结果如下：

Y_re＝f(θ,X_re)

其中，θ代表模型参数，包含隐藏层的层数s、隐藏层节点的节点数量n和学习率η；

所述隐藏层层数s等于窗口长度m。

5.根据权利要求4所述的方法，其特征在于，对所述输入数据和所述输出数据之间的LSTM网络模型进行优化包括：

应用粒子群算法对LSTM模型参数进行优化，利用适应度值对粒子进行评价，不断更新粒子速度和位置，使其达到最小的均方根误差RMSE，当RMSE达到预期误差时，满足终止条件，停止迭代，输出最优解；否则，返回继续迭代，确定模型参数后，得到LSTM网络模型f，RMSE表达式如下：

其中，x_i∈X,i＝1,2,…,k,X是网络安全态势值的时间态势序列，是模型的输出值。

6.根据权利要求5所述的方法，其特征在于，利用优化的LSTM网络模型预测未来网络安全形势包括：

通过序列前k个时刻的态势值来预测未来的j个态势值：

其中，是由序列X中第(k+j)^th个值前的m个值得到的第(k+j)^th个预测值，j＝1,2,…,n。

7.一种网络安全态势预测的装置，其特征在于，包括：

映射模块，设置为对网络安全态势序列进行相空间重构，通过所述空间重构确定输入序列和输出序列之间的映射关系；

建模模块，设置为根据所述映射关系得到输出序列预测值与输出序列实际值匹配下的滑动时间窗；并且利用历史网络安全态势序列建立输入数据和所述输出数据之间的LSTM网络模型；

预测模块，设置为对所述输入数据和所述输出数据之间的LSTM网络模型进行优化，利用优化的LSTM网络模型预测未来网络安全形势。