计算机科学与探索

作者：王娜, 张鑫海, 常娅明

单位：1. 天津工业大学 控制科学与工程学院，天津 3003872. 天津市电气装备智能控制重点实验室，天津 300387

关键词：网络安全,态势预测,变分模态分解,互信息熵,多模型切换

基金：天津市自然科学基金重点项目（23JCZDJC01140）。

准确的网络安全态势预测，能够给网络安全管理者提供决策依据，以便及时做好应对措施，对于维护网络安全稳定具有重要意义。网络安全态势序列通常具有复杂性和非平稳性的特点，单一模型预测存在预测精度低、泛化性差等问题。针对上述问题，提出一种基于数据分解和多模型切换的态势预测方法。引入变分模态分解方法，并与互信息熵结合，对原始态势数据集进行分解和重构，形成新的训练数据集和测试数据集，以降低数据的非平稳性，提高后续模型预测的精度。提出一种多模型切换策略，利用皮尔逊相关系数对初始模型集进行差异性分析，找到差异性大且预测效果好的模型构成候选模型集。基于距离测度，在训练数据集中找到测试数据的最近邻数据，采用投票机制找到最适合测试样本的预测模型，弥补了单一模型预测泛化性不足的缺陷。最后利用该策略获得测试数据集的态势预测结果。通过在网络入侵检测数据集NSL-KDD和国家互联网应急中心数据集上进行仿真，验证了所提方法的有效性。

来源：2025年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第7期