基于CNN与ResGRU的网络安全态势预测方法技术

本发明专利技术涉及网络安全态势感知技术领域，具体涉及一种基于CNN与ResGRU的网络安全态势预测方法，针对GRU在态势信息传递过程中重要信息丢失的问题，引入残差连接，并提出一种基于ResGRU的态势预测方法。通过对GRU的网络结构进行改进，构建残差GRU模块，加快模型的收敛速度并学习残差信息，进而缓解了信息丢失问题。接着，为了进一步提高模型的预测性能，在ResGRU的基础上添加了一维CNN，利用CNN的卷积运算提取态势数据的重要信息，增强态势数据的表示能力，然后再通过ResGRU完成对未来网络安全态势的预测。与现有态势预测方法相比，本发明专利技术利用态势序列数据的重要信息，提升了网络安全态势预测的精度。全态势预测的精度。全态势预测的精度。

【技术实现步骤摘要】
基于CNN与ResGRU的网络安全态势预测方法


[0001]本专利技术涉及网络安全态势感知
，具体涉及一种基于CNN与ResGRU的网络安全态势预测方法。

技术介绍

[0002]网络安全态势预测是网络安全态势感知的最终目标，网络安全态势数据通常具有时序性和无规律性的特点。已有的网络安全态势预测方法(例如GRU)虽然在态势预测方面取得了一定的成果，但由于其门控机制对安全态势数据的处理方式，在模型态势信息传递过程中可能会丢失态势数据的重要信息，使模型无法充分利用态势序列的重要信息，从而导致态势预测精度欠佳。

技术实现思路

[0003]本专利技术的目的在于提供一种基于CNN与ResGRU的网络安全态势预测方法，旨在解决GRU在态势信息传递中丢失重要态势信息导致预测精度欠佳的问题。
[0004]为实现上述目的，本专利技术提供了一种基于CNN与ResGRU的网络安全态势预测方法，包括下列步骤：
[0005]将网络安全态势值数据按比例划分为训练态势数据和测试态势数据；
[0006]所述训练态势数据用于构建CNN本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN与ResGRU的网络安全态势预测方法，其特征在于，包括下列步骤：将网络安全态势值数据按比例划分为训练态势数据和测试态势数据；所述训练态势数据用于构建CNN
‑
ResGRU神经网络及训练，获得网络安全态势预测模型；检查模型训练是否满足训练周期，如果未满足，则继续训练直至满足训练周期；如果已满足，则进行下一步骤；获得训练好的网络安全态势预测模型，输入测试态势数据实现态势预测，生成相应的预测态势值并输出。2.如权利要求1所述的基于CNN与ResGRU的网络安全态势预测方法，其特征在于，构建CNN
‑
ResGRU神经网络的过程，包括下列步骤：初始化CNN的参数；向CNN输入训练态势数据，首先输入至卷积层，进行卷积操作，再将卷积后的态势数据输入给池化层；进行池化操作，得到提取特征后的态势数据；初始化GRU的重置门；根据当前时刻输入和历史时刻隐藏状态信息，构建GRU的候选集；对GRU引入残差连接，构建ResG...

【专利技术属性】
技术研发人员：陶晓玲，欧阳逸夫，白张旋，贾如春，乔运铎，张云浩，
申请(专利权)人：南京育安信息科技有限公司，
类型：发明
国别省市：