基于注意力机制的GRU神经网络安全态势预测方法-2021.02.17

基于注意力机制的GRU神经网络安全态势预测方法 认领
Security situation prediction method of GRU neural network based on attention mechanism
在线阅读 下载PDF收藏分享导出
摘要传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit,GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization,PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。
Traditional network security situation prediction methods rely on the accuracy of the historical situation value,and there are differences in the correlation and importance between various network security factors.For the above mentioned problems,the recurrent gated unit(GRU)coding prediction method based on the attention mechanism is proposed.Attention mechanism is introduced to calculate the weight of the security index and it is coded as the network security situation value.The improved particle swarm optimization(PSO)algorithm is used to optimize the super parameters to accelerate the training of GRU neural network.Simulation results show that the proposed method has faster convergence speed and lower complexity,smaller mean square error(MSE)and mean absolute error(MAE)under different prediction time.
作者何春蓉 朱江
HE Chunrong;ZHU Jiang(School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications, Chongqing 400065, China)
机构地区重庆邮电大学通信与信息工程学院
出处《系统工程与电子技术》 EI 北大核心 2021年第1期258-266,共9页
Systems Engineering and Electronics
基金国家自然科学基金(61271260,61301122) 重庆市科委自然科学基金(cstc2015jcyjA40050)资助课题。
关键词网络安全态势预测 注意力机制 循环门控单元 粒子群优化算法
network security situation prediction attention mechanism recurrent gated unit(GRU) particle swarm optimization(PSO)algorithm
分类号TP393 [自动化与计算机技术—计算机应用技术]
相关文献
1陶坚.统筹发展和安全 加速全球疫后复苏[J].国际安全研究,2021,39(1):1-1.
2张滨.5G边缘计算安全研究与应用[J].电信工程技术与标准化,2020,33(12):1-7.
3张闯,王勋,黄亮程.基于BP神经网络的无刷直流电机控制系统[J].机电信息,2020(32):25-26.
4苑尧尧,曹佃国,李聪,刘澄玉.融合心电与表面肌电特征的下肢康复疲劳估计方法[J].生物医学工程学杂志,2020,37(6):1056-1064.
5表达ADR的CAR-T细胞可避免遭受宿主免疫排斥[J].医药前沿,2020,10(24):1-1.
6何立杨,李凌,杨灵运.工业互联网平台安全防护架构研究与应用[J].中国高新科技,2020(21):113-114.
7蔡长征.数据驱动算法在旋转机械故障诊断中的应用研究[J].机床与液压,2020,48(23):218-223.
8徐宇恒,程嗣怡,庞梦洋.基于CRITIC-TOPSIS的动态辐射源威胁评估[J].北京航空航天大学学报,2020,46(11):2168-2175.
9吴志东,唐涛,王鼎.基于磁势梯度与高斯过程的空间磁场构建方法[J].电子学报,2020,48(12):2304-2312.
10王林海,陈石,庄建仓,卢红艳,张贝,杨锦玲.精密重力测量中相对重力仪格值系数的贝叶斯估计方法[J].测绘学报,2020,49(12):1543-15