[发明专利]一种基于智能优化算法的网络安全态势预测方法

说明书

本发明提供一种基于智能优化算法的网络安全态势预测方法，包括以下步骤：基于改进型乌燕鸥算法搜索获得对应最优的惩罚因子C和核函数参数g；将最优的惩罚因子C和核函数参数g作为SVM模型参数构建网络安全态势预测模型；将待预测的网络样本数据，输入到训练后的网络安全态势预测模型，获得预测结果；其中，改进型乌燕鸥算法，引入正余弦算法思想，将原乌燕鸥算法的攻击式拆分为正余弦攻击式，将正余弦攻击和螺旋搜索方式进行融合，各搜索方式切换采用等概率切换的方式，更新乌燕鸥位置；所述改进型乌燕鸥算法还引入警报机制改进原乌燕鸥算法的位置更新方式。该方法克服了乌燕鸥优化算法存在的几点不足，能够显著提升网络安全态势预测的效果。

技术领域

本发明涉及网络安全态势预测技术领域，具体涉及基于智能优化算法的网络安全态势预测方法。

背景技术

随着大数据时代的到来，网络给人们带来了极大的便利， 但同时由于安全意识的缺乏，网络也带来了不可估量的安全问题。原始的网络安全预防主要通过防火墙、杀毒软件等技术被动防御外来的网络入侵，无法预测未来的走向。网络安全态势预测能够对网络状态进行分析，预测将来发生的状况， 可在网络受到危险之前制定安全防范措施。因此，设计出有效、准确的网络安全态势预测方法是由被动防御转为主动防御的关键一步。

支持向量机(Support vector machine，SVM) 作为机器学习的研究内容之一，在网络安全领域中有着十分广泛的应用。例如，李静梅 等人提出 一种改进烟花算法结合SVM的网络入侵检测方法 (李静梅 , 孙国辉 , 茹晨广. 一种改进烟花算法结合SVM的网络入侵检测方法[P]. 黑龙江省：CN111553385B, 2022-07-15.)；和达等人提出一种基于SVM的攻击流量分类方法(和达 , 刘杰 , 王一凡 , 陈剑锋 , 徐锐 , 饶志宏. 一种基于SVM的攻击流量分类方法[P]. 四川省：CN111107077B, 2021-12-21.)；孙卫喜提出一种基于粒子群与支持向量机的网络安全态势预测方法([1]孙卫喜.用于网络安全态势预测的粒子群与支持向量机算法研究[J].计算机应用与软件,2019,36(06):308-316.)。

在SVM训练过程中，SVM的惩罚因子C和RBF核函数参数g的选择质量，直接影响最终网络安全态势预测结果。智能优化算法是一种有效SVM模型参数优化方法。乌燕鸥优化算法（Sooty tern optimization algorithm，STOA）是一种模拟乌燕鸥觅食行为的新型智能优化算法，同样可以应用于网络安全态势预测问题。但是，乌燕鸥优化算法存仍然存在有一些缺陷，使得算法容易陷入局部最优和收敛精度不高，在进行网络安全态势预测时，往往达不到理想的预测效果。

发明内容

为解决上述问题，本发明提供一种基于智能优化算法的网络安全态势预测方法，克服了乌燕鸥优化算法存在的几点不足，能够显著提升网络安全态势预测的效果。

为实现上述目的，本发明提供了如下的技术方案。

一种基于智能优化算法的网络安全态势预测方法，包括以下步骤：

提取待预测的网络样本数据；

将5折交叉验证SVM的分类准确率作为目标函数，并确定惩罚因子C和RBF核函数参数g的上下限；

基于改进型乌燕鸥算法，通过高斯映射初始化乌燕鸥种群位置，即初始化每个乌燕鸥对应的惩罚因子C和核函数参数g，并根据目标函数，计算最优适应度值和最优乌燕鸥位置；

对最优乌燕鸥位置进行双向sine变异，将变异前后适应度值最优的乌燕鸥位置，作为更新后的最优乌燕鸥位置；