买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司

摘要：本发明公开了一种基于改进的麻雀搜索算法的网络安全态势预测方法，包括：构建得到态势数据集；构建得到CNN‑SBiLSTM序列预测模型；通过Cubic混沌映射初始化麻雀种群的个体位置，输出混沌序列得到CNN‑SBiLSTM序列预测模型的超参数初始值，并根据目标函数，计算初始种群个体的适应度值；通过个体适应度确定最优麻雀的位置，获得各层BiLSTM对应的最优隐藏单元个数和网络训练次数；根据全局适应度的变化对步长控制参数进行动态调整；构建得到网络安全态势预测模型。本发明可以实现对网络安全态势的有效预测，同时克服现有的预测方法的精度低、收敛速度慢且容易陷入局部最优等缺陷。

主权项：1.一种基于改进的麻雀搜索算法的网络安全态势预测方法，其特征在于，所述网络安全态势预测方法包括以下步骤：S1，获取网络安全态势要素并计算态势值，得到初始数据集；利用滑动窗口法对初始数据集进行重构，将序列预测任务转化为监督学习任务，构建得到态势数据集，对态势数据集进行归一化操作，并将归一化后的态势数据集划分为训练集和测试集；S2，将CNN卷积神经网络与堆叠双向长短期记忆网络相结合，并引入注意力机制，构建得到CNN-SBiLSTM序列预测模型；将CNN-SBiLSTM序列预测模型的预测误差作为目标函数，确定各层BiLSTM对应的隐藏单元的个数和网络训练次数的上下限；S3，通过Cubic混沌映射初始化麻雀种群的个体位置，输出混沌序列得到CNN-SBiLSTM序列预测模型的超参数初始值，并根据目标函数，计算初始种群个体的适应度值；S4，迭代更新麻雀种群中的发现者位置、加入者位置和意识到危险的麻雀的位置，直至迭代次数达到设置的最大迭代次数，通过个体适应度确定最优麻雀的位置，获得各层BiLSTM对应的最优隐藏单元个数和网络训练次数；其中，在迭代过程中，根据全局适应度的变化对步长控制参数进行动态调整；S5，将各层BiLSTM对应的最优隐藏单元的个数和网络训练次数作为CNN-SBiLSTM序列预测模型的参数，构建得到网络安全态势预测模型；将训练集输入到网络安全态势预测模型进行训练；S6，将待预测的网络态势数据输入到训练好后的网络安全态势预测模型，对网络安全态势进行预测；步骤S4中，在迭代过程中，根据全局适应度的变化对步长控制参数进行动态调整的过程包括以下步骤：S41，以待优化的CNN-SBiLSTM序列预测模型的超参数作为种群的初始位置，网络输出的态势预测值与真实值之间的差值的平方作为种群的适应度值： 式中，是种群的适应度函数值，y是网络输出的态势预测值，pred是网络输出的态势真实值；S42，更新发现者位置： 式中，表示第i只麻雀在第t次迭代中的第j维的位置信息，和是[0,1]的随机数，其中表示预警值，是最大迭代次数，ST是[0.5,1]的常数，Q是服从正态分布的随机数，L是全1矩阵；S43，更新加入者位置： 式中，是第t次迭代中最差的个体，A是由-1或1随机组成的矩阵，是当前最优发现者的位置；S44，更新意识到危险的麻雀的位置： 式中，是第t次迭代中最优的个体，是当前个体的适应度值，是当前最大适应度值，是当前最小适应度值，是服从均值为0方差为1的正态分布随机数，是[-1,1]的随机数，是极小的正数以防止分母为0；S45，对步长控制参数和进行动态调整： 式中，和分别是最优和最差的适应度值，T为最大迭代次数，t为当前迭代次数。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司信息通信分公司 国网江苏省电力有限公司 一种基于改进的麻雀搜索算法的网络安全态势预测方法