公开(公告)号：CN116866013A

公开(公告)日：2023-10-10

申请号：CN202310757599.2

申请日：2023-06-26

Applicant: 桂林电子科技大学 ,  南京育安信息科技有限公司

Inventor： 陶晓玲 ,  欧阳逸夫 ,  白张旋 ,  贾如春 ,  乔运铎 ,  张云浩

IPC: H04L9/40 ,  H04L41/147 ,  H04L41/16

Abstract: 本发明涉及网络安全态势感知技术领域，具体涉及一种基于CNN与ResGRU的网络安全态势预测方法，针对GRU在态势信息传递过程中重要信息丢失的问题，引入残差连接，并提出一种基于ResGRU的态势预测方法。通过对GRU的网络结构进行改进，构建残差GRU模块，加快模型的收敛速度并学习残差信息，进而缓解了信息丢失问题。接着，为了进一步提高模型的预测性能，在ResGRU的基础上添加了一维CNN，利用CNN的卷积运算提取态势数据的重要信息，增强态势数据的表示能力，然后再通过ResGRU完成对未来网络安全态势的预测。与现有态势预测方法相比，本发明利用态势序列数据的重要信息，提升了网络安全态势预测的精度。

公开(公告)号：CN116633651A

公开(公告)日：2023-08-22

申请号：CN202310663537.5

申请日：2023-06-06

Applicant: 桂林电子科技大学 ,  南京育安信息科技有限公司

Inventor： 陶晓玲 ,  武守一 ,  白张旋 ,  贾如春 ,  刘润蓉 ,  丁得轩

IPC: H04L9/40 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0499

Abstract: 本发明涉及网络安全技术领域，具体涉及一种基于MLP‑GCN的网络安全态势评估方法，包括对公开数据集进行数据处理，得到评估数据集；将所述评估数据集输入基于MLP‑GCN的网络安全态势评估模型中进行特征学习、特征融合和分类评估，得到评估结果，本发明提出了一种基于图卷积神经网络(Graph ConvolutionalNetwork，GCN)和多层感知机(MLP，MultilayerPerceptron)的网络安全态势评估方法。GCN能够考虑到态势评估要素间的空间结构信息，而MLP加强对少量样本数据的特征学习，则解决了传统的网络安全态势评估方法忽略网络安全态势数据的空间结构信息建模的问题。这种方法能够提高评估模型的准确率和可靠性，解决了网络安全态势评估技术的准确率受限的问题。