一种网络安全态势预测方法、系统及设备
摘要文本
本发明提供了一种网络安全态势预测方法、系统及设备，涉及网络安全领域，方法包括：将网络安全数据集划分为训练集及测试集；利用所述训练集训练CoT‑Informer模型；CoT‑Informer模型包括CoTNet网络以及改进的Informer编码器；改进的Informer编码器包括跨阶段多头概率稀疏自注意力机制以及蒸馏机制；跨阶段多头概率稀疏自注意力机制为属于CNN的自我注意机制；跨阶段多头概率稀疏自注意力机制是通过融合跨阶段局部网络与多头概率稀疏自注意力模块中的多头概率稀疏自注意力机制，并加入DenseNet机制形成的；根据模型泛化性能以及训练次数，生成训练好后的CoT‑Informer模型，以确定网络安全态势预测结果；所述网络安全态势预测结果包括受到攻击状态以及未受到攻击状态。本发明能够提高网络安全态势预测精度。 专利查询网
申请人信息
- 申请人:河北师范大学
- 申请人地址:050024 河北省石家庄市南二环东路20号
- 发明人: 河北师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种网络安全态势预测方法、系统及设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311551520.7 |
| 申请日 | 2023/11/21 |
| 公告号 | CN117439800A |
| 公开日 | 2024/1/23 |
| IPC主分类号 | H04L9/40 |
| 权利人 | 河北师范大学 |
| 发明人 | 赵冬梅; 张子涵; 曾水光; 王方伟; 王长广; 李青茹 |
| 地址 | 河北省石家庄市南二环东路20号 |
专利主权项内容
1.一种网络安全态势预测方法，其特征在于，包括：将网络安全数据集划分为训练集及测试集；利用所述训练集训练CoT-Informer模型；所述CoT-Informer模型包括CoTNet网络以及改进的Informer编码器；所述改进的Informer编码器包括跨阶段多头概率稀疏自注意力机制以及蒸馏机制；所述跨阶段多头概率稀疏自注意力机制为属于CNN的自我注意机制；所述跨阶段多头概率稀疏自注意力机制是通过融合跨阶段局部网络与多头概率稀疏自注意力模块中的多头概率稀疏自注意力机制，并加入DenseNet机制形成的；所述跨阶段多头概率稀疏自注意力机制能够挖掘所述网络安全数据集中时序数据的局部特征；所述蒸馏机制用于抽取所述时序数据中的注意力信息；根据模型泛化性能以及训练次数，生成训练好后的CoT-Informer模型；将所述测试集输入至所述训练好后的CoT-Informer模型中，确定网络安全态势预测结果；所述网络安全态势预测结果包括受到攻击状态以及未受到攻击状态。