基于强化LSTM的网络安全态势预测方法

苏小玉，董兆伟，孙立辉，徐奎奎

(河北经贸大学 信息技术学院，河北 石家庄 050700)

0 引 言

国家互联网应急中心(简称“CNCERT”)发布的《2019年我国互联网网络安全态势综述》[1]报告指出，随着国内互联网技术中云计算、大数据、物联网、人工智能等新技术新应用的大规模发展，网络安全事件日益增多。对于日益复杂化和多样化的网络攻击，传统防护措施如防火墙、访问控制、漏洞扫描和入侵检测等从主动防御和被动防御两方面进行防护，这些安全设备虽然具有安全事件和安全日志的记录功能，但是各设备之间相互独立，安全信息分散，无法共享。网络安全管理员很难监控全局网络状况，攻击发生时无法做出适当决策。为解决上述问题，T.Bass[2]首次将态势感知的概念引入网络安全领域，态势预测作为态势感知中的主要研究部分，根据历史态势数据的分析构建预测模型，获取态势数据之间的规律，预测网络未来的变化状况。

网络安全态势变化具有复杂性、非线性和时变性特点，而神经网络技术对于复杂系统具有更高的容错性，更强的非线性映射能力和泛化能力。因此一些学者将神经网络技术应用于网络安全态势预测领域。与传统的机器学习模型相比，深度学习模型在网络安全态势预测领域显示出巨大的潜力。文献[3-4]研究了基于BP神经网络的网络安全态势预测模型。虽然BP神经网络对于网络安全态势预测具有一定的效果，但是BP神经网络自身算法的不足导致存在很多的局限性。……