
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于概率神经网络的网络安全态势分析与预测系统
《Journal of Cyber Security and Mobility》:Network Security Situation Analysis and Forecasting System Based on Probability Neural Network
【字体: 大 中 小 】 时间:2026年03月27日 来源:Journal of Cyber Security and Mobility CS2.9
编辑推荐:
网络安全态势分析与预测系统通过遗传算法优化概率神经网络(PNN)的平滑参数和特征权重实现评估,结合GRU的自注意力机制提升时间序列建模能力完成预测。在CIC-IoMT-2024数据集上实验显示评估准确率96.78%,预测误差低(MAE<0.0241),优于SVM-PCA等模型,验证了系统在网络安全态势评估与预测中的高精度、稳定性和泛化能力。
随着数字化转型的加速,云计算、物联网(Internet of Things, IoT)和5G等新兴技术正在深刻重塑网络空间的架构和边界[1]。这些技术导致网络数据规模呈指数级增长,使得数据源和格式高度异构,显著增加了跨域安全信息融合的复杂性[2]。与此同时,网络攻击技术也在不断进化,呈现出跨域协作、动态规避和持续渗透等新特征[3]。传统的基于签名匹配和规则推理的安全防御系统通常缺乏针对高级持续性威胁(advanced persistent threats)的足够预警能力,因此迫切需要高效、准确的网络安全态势分析与预测方法来支持网络管理员的决策并实现主动防御[4]。网络安全态势描述了网络的整体安全状况,通常通过综合计算攻击严重性和频率等多维指标来量化为一个单一的态势值[5]。然而,传统的网络安全态势分析与预测依赖于历史态势值的准确性,并且在各种网络安全因素的相关性和权重存在偏差。概率神经网络(PNN)具有快速训练速度和高分类准确率,能够有效处理网络安全中的固有不确定性,为网络安全态势评估提供了新的解决方案[6][7];同时,门控循环单元(GRU)凭借其门控机制能够有效捕捉时间序列中的长期依赖性,并构建预测网络安全态势所需的时间模型[8]。