一种基于机器学习算法的网络安全评估方法

李丹彤，冯海云，高涌皓

（延安大学附属医院网络中心，陕西延安 716000）

随着计算机技术不断发展完善，互联网迅速得到发展和普及，但同时引起的网络安全事件也成为目前相关部门重点关注的话题[1]。目前，国内外在网络安全的态势评估、威胁类型等方面已经取得一定的研究进展。常见网络安全态势预测模型有灰色理论预测模型、支持向量机预测模型、神经网络预测模型、时间序列预测模型[2-3]。但由于网络安全态势的影响因素诸多，现阶段仍然没有有效的评估预测模型。与此同时，支持向量机、随机森林、遗传算法、神经网络等常见的机器算法均在各行各业风险评估和预测领域得到广泛应用，且已经取得相当大的成就[4]。鉴于此，此次研究利用支持向量机和果蝇改进算法，提出结合时间序列和支持向量机的网络安全态势预测模型，旨在对未来网络安全的评估提供建设性的意见。

1 面向FOA-SVM 算法的网络安全评估模型

1.1 支持向量机算法优化改进

研究引入支持向量机SVM(SupportVector Machine)机器算法进行网络安全评估预测，其基本思想是通过一个非线性映射，把原空间的非线性问题转移到空间中更高维度的线性问题，在超空间中获得一个超平面有效地将正例和负例分开。假设超平面可以满足训练集并正确分类，设置：

解出ω和b 即可得到模型，分析可以看出，支持向量模型仅与其支持向量有关。针对对偶问题采用二次规划算法解决会导致巨大的开销，因此每次选择更新的aj和ai，然后固定aj和ai以外的其他参数，获得更新之后的aj和ai，更新拉格朗日乘子，提高运算效率[5-6]。……