基于多尺度卷积网络的网络安全态势感知研究-文献详情-维普官网

文献检索

任意字段

文献信息

任意字段
主题词
篇关摘
篇名
关键词
摘要
作者
第一作者
作者单位
刊名
中图分类号
学科分类号
DOI
基金

智能检索

高级检索

检索历史

基于多尺度卷积网络的网络安全态势感知研究认领

作者：

王哲

学位授予单位：

河北师范大学

摘要：

随着网络技术的迅猛发展,网络安全问题日益突出。传统的安全防护措施,如防火墙、入侵检测系统、防病毒软件等,虽然在一定程度上提高了网络的安全性,但它们往往局限于单一的安全问题处理,缺乏全局性的网络安全态势感知能力。网络安全态势感知能够通过实时采集并深度分析网络环境中的多源安全数据,实现对网络整体安全状况的系统性评估,并且能够结合历史以及当前的网络安全状况,对未来的网络态势做出准确的预测。目前的网络安全态势感知模型难以适应不断变化的网络环境,在进行评估和预测时还普遍存在准确率偏低的问题,本研究围绕网络安全态势评估与预测的可靠性提升展开,核心工作集中在以下两个部分: (1)提出了基于ISSA-MSCANet的网络安全态势评估方法。根据多尺度卷积在提取时序特征的优点,本研究提出一种适用于流量数据的双分支的多尺度卷积注意力机制(MSCA),将其替换Res Net残差块中单一的3×3卷积,进而得到多尺度卷积模块(MSCANet)。并对麻雀搜索算法(SSA)进行改进,引入基于柯西分布的变异策略,改善其容易陷入局部最优的缺点,提升其寻优能力,使用优化后的麻雀搜索算法(ISSA)对模型参数进行寻优,进而确定最终的网络安全态势评估模型。该模型能够从不同尺度提取特征,有效利用特征之间的关联性,提升态势评估的准确性和可靠性。本研究提出一种基于威胁影响度的网络安全态势量化方法,通过量化后的威胁影响度计算网络安全态势感知值,根据得到的态势值确定风险等级,进而为管理人员提供态势感知数据支持,从而帮助制定科学的安全防护决策。为验证本文所提出的态势评估模型的准确性,在NSL-KDD和UNSW-NB15两个数据集上进行实验,实验结果表明,该模型在准确率、精准率、F1值三个指标上均有所提高,并且态势评估结果误差也有所下降。 (2)提出了基于MSTCN-Transformer的网络安全态势预测方法。时间卷积网络(TCN)在处理时序特征时具有并行性、感受野灵活,梯度稳定的特点,但时间卷积网络通常使用固定长度的卷积核进行操作,这可能导致网络无法灵活地处理不同长度的时间序列输入。因此,本文提出一种多尺度的时间卷积网络(MSTCN),以方便处理不同尺度的特征。MSTCN通过局部感知域在序列数据上的卷积操作能够捕捉序列数据中的局部特征和短期依赖关系,而Transformer利用注意力机制能够捕捉序列中的全局特征和长期依赖关系。本研究将两者结合,以便更全面地提取网络安全数据的特征,提高预测的准确性。为验证本研究所提出的态势预测模型的预测效果,本研究在CIC-IDS-2018和UNSW-NB15两个数据集上进行实验验证,实验结果表明,本文所提出的预测模型的预测误差均优于其他模型,并且预测值与真实值拟合度较高。

摘要译文

关键词：

网络安全; 态势感知; 多尺度卷积注意力机制; 麻雀搜索算法; 多尺度时间卷积网络

学位年度：

2025

学位类型：

硕士

学科专业：

电子信息（专业学位）

导师：

赵冬梅

中图分类号：

TP393.08[计算机网络安全];TP183[人工神经网络与计算]

学科分类号：

081202[计算机系统结构];140504[人工智能安全与治理];083905[应用与数据安全及新兴信息技术安全];120105[数据科学与智能管理]

D O I：

10.27110/d.cnki.ghsfu.2025.000906