基于强化LSTM的网络安全态势预测方法

摘要

网络安全态势预测作为网络安全态势感知的重要组成部分,描述的是安全态势随时间动态变化的行为,具体是根据历史态势值预测未来态势值.为了提高网络安全态势预测准确率,提出一种基于sigmoid加权强化机制的长短期记忆的网络安全态势预测模型.该方法首先利用LSTM神经网络挖掘网络安全态势数据之间的时间相关性;引入sigmoid加权线性单元来处理反向传播中的梯度问题,将输入值与sigmoid激活函数相乘,从而强化LSTM神经网络结构,提高预测的精度.然后采用布谷鸟搜索算法进行超参数寻优,提高网络训练时间.最后利用国家互联网应急中心的网络安全态势数据对该模型进行验证,仿真实验结果验证了该方法的合理性,以及该模型具有更快的收敛速度和更小的误差,提高了网络安全预测能力.