一种基于改进神经网络的网络安全态势理解和评估方法技术

本发明专利技术公开了一种基于改进神经网络的网络安全态势理解和评估方法，通过采用复合最优单元，使用Relu6作为卷积层的激活函数，对模型框架的改进和优化；同时充分考虑核对测试样本数据分布特点，对测试数据集平衡调整后进行网络训练，提高了态势理解和评估的准确率；本发明专利技术根据网络数据信息在时间上具有连续性的特点，对当下的网络信息进行分析的同时结合攻击发生前的网络数据，对时间序列数据进行有效的数据融合；在属性特征较多和样本量较大时避传统态势感知研究方法运行时间短。统态势感知研究方法运行时间短。统态势感知研究方法运行时间短。

【技术实现步骤摘要】
一种基于改进神经网络的网络安全态势理解和评估方法


[0001]本专利技术涉及一种网络安全态势理解和评估方法，尤其涉及一种基于改进神经网络的网络安全态势理解和评估方法，属于网络安全


技术介绍

[0002]随着5G技术、区块链和人工智能技术的飞速发展，网络攻击事件愈发增多，且随着网络终端设备数量的大幅度增加，导致网络数据变得更加庞大和复杂，网络安全态势感知变得尤为重要。
[0003]传统的的网络安全态势理解和评估多是基于数学模型、基于规则推理和基于概率统计等方法，虽然都有各自的优势，但是也存在一定缺陷，如基于数学模型的方法在权重的确立上缺乏统一标准，基于规则推理的方法计算复杂度较高，基于概率统计的方法需要大量的存储空间，且容易产生梯度爆炸。
[0004]随着网络数据的庞大和复杂，网络信息的数据量迅速增大，传统的机器学习算法在处理多属性数据以及大样本量数据时优势变得不太明显，在特征选择、分类处理以及运行时间等方面表现较深度学习略差，深度学习不需要人工挑选属性特征，学者仅需将数据信息载入神经网络中，网络会进行自主学习，并且深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进神经网络的网络安全态势理解和评估方法，其特征在于：包括如下步骤：步骤1：数据预处理：包括以下步骤：步骤1
‑
1：数据类型转换：将1个以上符号型数据转换为数字标识型数据；步骤1
‑
2：独热编码：将各数字标识型数据进行独热编码；步骤1
‑
3：数据扩维：将独热编码的特征维度扩充到大于独热编码特征维度的最小平方数，扩充的维度用预定数字填充；将数据扩维后的独热编码转换为方阵表示的特征图；步骤2：搭建改进的卷积神经网络：所述包括改进的卷积神经网络1级以上复合最优结构单元、Droupout层，Flatten层，全连接层，BatchNomalization层，全连接层和Softmax层；所述复合最优结构单元包括第一至第三卷积层和池化层；第一卷积层的卷积核大小为1xM，第二卷积层的卷积核大小为Nx1，第三卷积层的卷积核大小为1x1；第一至第三卷积层的通道数相同；所述各卷积层都包括激活函数；步骤3：训练改进的卷积神经网络：输入训练集数据，训练改进的卷积神经网络的参数；步骤4：理解和评估网络安全态势：将预测集数据输入所述步骤1训练完成的改进的卷积神经网络，理解和评估网络安全态势。2.根据权利要求1...

【专利技术属性】
技术研发人员：赵冬梅，宋会倩，李志坚，王宏彬，
申请(专利权)人：河北师范大学，
类型：发明
国别省市：