结合Dempster-Shafer证据理论与循环神经网络的网络安全态势预测

作     者：魏青梅 李宇博 应雨龙 WEI Qingmei;LI Yubo;YING Yulong

作者机构：空军工程大学基础部陕西西安710051 陕西职业技术学院基础课部陕西西安710038 上海电力大学能源与机械工程学院上海200090 

出 版 物：《济南大学学报（自然科学版）》 (Journal of University of Jinan(Science and Technology))

年 卷 期：2020年第34卷第3期

页      面：238-246页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(51806135) 

主　　题：双重模糊评价 损失矩阵 可能性矩阵 Dempster-Shafer证据理论 循环神经网络 

摘      要：针对传统的模糊评价系统存在评价冲突和主观偏差,造成网络安全态势预测出现精度和鲁棒性较低等问题,提出一种结合Dempster-Shafer(D-S)证据理论与循环神经网络的网络安全态势预测算法;首先以专家评价为基础构建网络安全的系统角色,由三角模糊函数获取专家评估指标;然后引入D-S证据理论进行评估指标的筛选、推理和校正,构建网络安全态势损失矩阵和可能性矩阵;最后,以损失矩阵和可能性矩阵为特征输入至循环神经网络中,获取网络安全态势预测结果。仿真实验结果表明,D-S证据理论有效地解决了评价冲突和主观偏差问题,循环神经网络使得网络安全态势预测结果的精度和鲁棒性都得到了提升。