基于无监督多源数据特征解析的网络威胁态势评估

发布时间：2021-03-13 22:39

　　针对监督式神经网络测试网络威胁时需根据数据类别标记进行建模的局限性,提出了一种基于无监督多源数据特征解析的网络威胁态势评估方法。首先,设计了一个面向安全威胁评估的变分自动编码器-生成式对抗网络（V-G）,将只包含正常网络流量的训练数据集输入V-G的网络集合层进行模型训练,并计算各层网络输出的重构误差。然后,通过输出层的三层变分自动编码器重构误差学习并获取训练异常阈值,使用包含异常网络流量的测试数据集测试分组威胁并统计每组测试的威胁发生概率。最后,根据威胁发生概率确定网络安全威胁严重度,结合威胁影响度计算威胁态势值以获取网络威胁态势。仿真实验结果表明,所提方法对网络威胁具有较强的表征能力,能够有效直观地评估网络威胁的整体态势。 

【文章来源】：通信学报. 2020,41(02)北大核心

【文章页数】：12 页

【部分图文】：

VAE的网络结构

网络威胁态势评估架构

特征选取过程1)构建k最近邻图

【参考文献】：
期刊论文
[1]基于信息融合的网络安全态势量化评估方法[J]. 文志诚,陈志刚,唐军.  北京航空航天大学学报. 2016(08)
[2]一种基于似然BP的网络安全态势预测方法[J]. 唐成华,余顺争.  计算机科学. 2009(11)

硕士论文
[1]基于混合优化RBF神经网络的网络安全态势预测模型[D]. 赖智全.兰州大学 2017



本文编号：3081032