[发明专利]一种铁路网络安全预测方法、系统及电子设备

权利要求书

1.一种铁路网络安全预测方法，其特征在于，包括：

根据历史的多个检测周期时间段内接入铁路网络的合法用户数目，预测未来的下一个检测周期时间段接入铁路网络的合法用户数目；

计算预测的所述合法用户数目和所述未来的下一个检测周期时间段接入铁路网络的实际合法用户数目之间的误差；

当所述误差大于预设误差阈值时，计算铁路网络在未来的下一个检测周期时间段内存在威胁的概率；

所述根据历史的多个检测周期时间段内接入铁路网络的合法用户数目，预测未来的下一个检测周期时间段接入铁路网络的合法用户数目的步骤，包括：

以历史的每一个检测周期时间段和每一个检测周期时间段内接入铁路网络的合法用户数目作为输入量，利用局部加权线性回归算法，预测未来的下一个检测周期时间段接入铁路网络的合法用户数目。

2.根据权利要求1所述的铁路网络安全预测方法，其特征在于，所述利用局部加权线性回归算法，预测未来的下一个检测周期时间段接入铁路网络的合法用户数目包括：

为历史的每一个检测周期时间段内接入铁路网络的合法用户数目赋予最佳权重值；

根据每一个检测周期时间段内接入铁路网络的合法用户数目和对应的权重值，进行局部线性拟合；

根据局部线性拟合后得到的曲线，计算下一个检测周期时间段接入铁路网络的合法用户数目。

3.根据权利要求2所述的铁路网络安全预测方法，其特征在于，所述为历史的每一个检测周期时间段内接入铁路网络的合法用户数目赋予最佳权重值包括：

为历史的每一个检测周期时间段内接入铁路网络的合法用户数目赋予初始权重值；

根据每一个检测周期时间段内接入铁路网络的合法用户数目和对应的初始权重值，局部线性拟合得到拟合曲线，并计算拟合曲线的平方误差；

循环重复多次对历史的每一个检测周期时间段内接入铁路网络的合法用户数目进行权重赋值，并局部线性拟合得到多条拟合曲线，且计算每一个拟合曲线的平方误差；

确定平方误差最小对应的一组权重值为最佳权重值。

4.根据权利要求3所述的铁路网络安全预测方法，其特征在于，所述为历史的每一个检测周期时间段内接入铁路网络的合法用户数目赋予初始权重值包括：

采用高斯核函数计算历史的每一个检测周期时间段内接入铁路网络的合法用户数目的初始权重值，其中，高斯核函数的表达式为：

其中，d为历史的每一个检测周期时间段与未来的下一个检测周期时间段之间的距离，τ＝50。

5.根据权利要求1所述的铁路网络安全预测方法，其特征在于，所述计算预测的所述合法用户数目和所述未来的下一个检测周期时间段接入铁路网络的实际合法用户数目之间的误差值包括：

采用方均根误差表示预测的所述合法用户数目和所述未来的下一个检测周期时间段接入铁路网络的实际合法用户数目之间的误差；

其中，方均根误差表示为：

其中，m为预测轮数，y_i是第i轮预测中接入铁路网络的合法用户数目，y′_i是第i轮预测中接入铁路网络的实际用户数目。

6.根据权利要求1所述的铁路网络安全预测方法，其特征在于，所述当所述误差大于预设误差阈值时，计算铁路网络未来存在威胁的概率包括：

当|ε|≥Tr时，则铁路网络在未来的下一个检测周期时间段内存在威胁的概率发生的概率为

其中，ε为预测的合法用户数目和未来的下一个检测周期时间段接入铁路网络的实际合法用户数目之间的误差，Tr为预设误差阈值，P_Tr是相应的误差概率，可由误差标准分布的随机属性计算得出。

7.根据权利要求1所述的铁路网络安全预测方法，其特征在于，所述当所述误差大于预设误差阈值时，计算铁路网络未来存在威胁的概率还包括：

当所述误差小于预设误差阈值时，确定在相应的网络安全防护要求下，铁路网络在未来的下一个检测周期时间段内不存在威胁。