[发明专利]针对组合预测模型的自适应网络安全态势预测方法

权利要求书

1.一种基于组合预测模型的自适应网络安全态势预测方法，该方法包括：

子模型训练步骤，从用于自适应安全态势预测的训练数据集中提取用于训练的时间周期中的m个数据序列，利用梯度下降算法训练出作为组合预测模型的构成要素的n个不同的子模型M_i，以均方误差MSE作为损失函数，其中m和n为自然数且m≥7，n≥3，i∈[1,...,n]；

初始权重赋值步骤，针对每个子模型M_i分别进行初始权重赋值；

子模型在线预测步骤，对每个子模型M_i的预测结果加权求和，输出当次对于网络安全态势预测的最终结果；

子模型预测结果评价步骤，在用于评价的时间周期中，对每个子模型M_i评价其预测结果的准确性；以及

自适应权重调整步骤，利用在所述子模型预测结果评价步骤中的评价结果，对每个子模型M_i的权重进行自适应调整。

2.根据权利要求1所述的基于组合预测模型的自适应网络安全态势预测方法，其中，

在所述初始权重赋值步骤中，对训练出的n个子模型中的每个子模型M_i的均方误差MSE_i求算术平均，作为n个子模型的平均均方误差MSE₀，

针对每个子模型M_i，计算在组合预测模型中的模型系数为

计算每个子模型M_i的初始权重为其中

当完成初始权重赋值步骤后，在所述子模型在线预测步骤中，当子模型M_i对于网络安全态势的预测结果为p_i时，组合预测模型对于网络安全态势的当次最终预测结果为

3.根据权利要求1所述的基于组合预测模型的自适应网络安全态势预测方法，其中，

在所述子模型预测结果评价步骤中，设为用于评价的预定时间周期中有q次预测结果和实际结果，每个子模型M_i的第k次预测结果Y′_i,k与实际结果Y_i,k的差值为|Y_i,k-Y′_i,k|，其中q和k为自然数且q≥m，k∈[1,...,q]，

利用模型偏离度计算方法，计算预定时间周期中n个子模型的平均差值为

计算各个子模型M_i在预定时间周期中的模型偏离度为

4.根据权利要求3所述的基于组合预测模型的自适应网络安全态势预测方法，其中，

在所述自适应权重调整步骤中，根据模型偏离度计算方法，基于在所述子模型预测结果评价步骤中计算出的各个子模型M_i在预定时间周期中的模型偏离度ΔY_i，来计算每个子模型M_i的归一化模型偏离度ΔY′_i，其中将n个子模型中的模型偏离度的最高值设为max(ΔY_i)，模型偏离度的最低值设为min(ΔY_i)，计算各个子模型M_i的归一化模型偏离度为并且

利用权重调整算法，计算各个子模型M_i的权重调整系数e_i，然后计算各个子模型M_i的权重调整值Δω_i，其中

根据所述归一化模型偏离度ΔY′_i计算每个子模型M_i的权重调整值Δω_i，其中

计算各个子模型M_i的权重调整系数为

计算各个子模型M_i的权重调整值为

计算n个子模型的平均权重调整值为

计算各个子模型M_i的更新后的权重为

其中满足

5.根据权利要求4所述的基于组合预测模型的自适应网络安全态势预测方法，其中，

当完成自适应权重调整步骤后，在所述子模型在线预测步骤中，在子模型M_i对于网络安全态势预测的预测结果为p_i时，组合预测模型对于网络安全态势预测的最终预测结果为