基于自适应粒子群优化的工控网络态势预测算法制造技术

本发明专利技术涉及一种面向工控系统的网络安全态势获取与预测方法研究。针对工控网络安全态势预测精度低以及收敛速度慢的问题，提出了一种基于自适应粒子群优化的工控网络态势预测算法SAIPSO‑BiLSTM。先采取对立学习方法进行粒子群初始化以提升种群多样性，并引入高斯和柯西分布变异动态调整权值处理，以加快收敛速度。同时，引入相似度和聚集度结合莱维飞行的方法进行位置扰动便于及时跳出局部最优。其次，考虑到态势数据前后之间的关联性，本说明书采取BiLSTM模型进行训练，结合自适应粒子群算法对模型寻优以此实现态势预测。通过实验以及对比分析，本说明书提出的态势预测算法在收敛性速度以及准确率方面有一定程度的提升。

【技术实现步骤摘要】

本专利技术涉及工控安全领域，尤其涉及态势方向，具体是一种基于自适应粒子群优化的工控网络态势预测算法。

技术介绍

1、网络安全态势预测(network security situation prediction,nssp)属于工控网络的重要研究领域，其基本任务是通过建立以往数据信息之间的联系然后预测未来网络运行状况及趋势。整个网络态势感知过程的最后一环就是预测未来的攻击趋势及概率，准确有效的预测有利于管理员对网络攻击提前做出及时的响应，有助于安全管理人员在攻击事件未发生之前提前做好针对性的防范工作。如何提升网络攻击的预测精度以及实时性，是网络安全领域一直以来有待研究的问题。因此对于工控网络的安全运行而言，对工控网络安全态势的预测方法进行研究是极为必要的。

2、对于网络安全态势预测研究,该问题存在有:(1)攻击威胁在前后逻辑方面存在关联性，而很多态势预测中没有考虑到态势数据之间的前后关联性.(2)预测性能低.(2)收敛速度慢.

3、目前，lstm虽然结构复杂，但是在很多领域如经济、电力和能源等预测方面都取得良好效果。lstm神经网络有很本文档来自技高网...

【技术保护点】

1.一种基于自适应粒子群优化的工控网络态势预测算法，其特征在于，所述方法包括以下步骤：

2.根据权利要求书1中所述的一一种基于自适应粒子群优化的工控网络态势预测算法，其特征在于，所述步骤1对于粒子群算法来说，求解函数过程中如何取得最优值依赖于适应度函数，适应度函数可以通过计算出适应度值来选择性的淘汰或者保留粒子，确定适应度函数是BiLSTM预测算法的基本阶段，另外算法的复杂度会受适应度函数的复杂度的影响，考虑到算法整体的计算复杂度和时间复杂度，我们需要选择尽量计算简单的适应度函数，基于以上分析，选取的适应度函数如公式所示：

3.根据权利要求书1中所述的一一种基于自...

【技术特征摘要】

1.一种基于自适应粒子群优化的工控网络态势预测算法，其特征在于，所述方法包括以下步骤：

2.根据权利要求书1中所述的一一种基于自适应粒子群优化的工控网络态势预测算法，其特征在于，所述步骤1对于粒子群算法来说，求解函数过程中如何取得最优值依赖于适应度函数，适应度函数可以通过计算出适应度值来选择性的淘汰或者保留粒子，确定适应度函数是bilstm预测算法的基本阶段，另外算法的复杂度会受适应度函数的复杂度的影响，考虑到算法整体的计算复杂度和时间复杂度，我们需要选择尽量计算简单的适应度函数，基于以上分析，选取的适应度函数如公式所示：

3.根据权利要求书1中所述的一一种基于自适应粒子群优化的工控网络态势预测算法，其特征在于，所述步骤2中粒子的初始化种群是影响pso寻优速度的一个因素，若粒子含有多个优质解或者种群分布多样，则会加快粒子的收敛，为此考虑将随机解与对立解合并到粒子初始种群中，不仅保证多样性，还加快搜索速度，惯性权重的大小影响着粒子速度更新，粒子群的飞行速度与粒子种群的收敛性直接相关，粒子速度过慢会降低时间性能；过快则会导致及早收敛，但此时并未找到真正全局最优值，取值大的惯性权值，则会有利于粒子进行更广泛的搜索，反之，惯性权重的值越小，则越侧重于局部搜索，惯性权值β可以衡量粒子在之前保持运动状态的能力，以此起到均衡全局搜索能力和局部搜索能力的作用，在标准的pso算法中，β是一个固定的值，这将降低收敛速度额和算法的搜索能力，可见，惯性权重对优化算法的性能是很重要的，因此，引入了一个具有随机因子的非线性变化惯性权值来求解上述问题，另外，将高斯分布函数和柯西分布函数引入到粒子更新阶段，有利于平衡局部和全局搜索的性能，在k迭代，如果当前粒子i满足的条件，其适应度值大于其个人最优适应度值且随机数r3均匀分布在区间[0,1]大于0.9，算法进入粒子变异阶段，在早...

【专利技术属性】
技术研发人员：邓娟，李文涛，苏攀览，李秋，姚松，张荞畯，黄秋瑜，陈良银，
申请(专利权)人：四川长江环保技术有限公司，
类型：发明
国别省市：