基于TCN-BiLSTM的网络安全态势预测

作者：孙隽丰^*; 李成海; 曹波

来源：系统工程与电子技术, 2023, 45(11): 3671-3679.

• 网络安全
• 态势预测
• 时域卷积网络
• 双向长短期记忆网络
• 粒子群优化
• 注意力机制

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题，提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先，将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征；随后，引入注意力机制动态调整属性的权值；然后，利用BiLSTM模型学习态势值的前后状况，以提取序列中更多的信息进行预测；利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优，提升预测能力。实验结果表明，所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。

• 单位
  空军工程大学防空反导学院