融合经验模态分解与改进时域Transformer的网络安全态势预测
孙隽丰1
李成海2
宋亚飞2
倪鹏3
1.空军工程大学防空反导学院,西安,710051;94994部队,南京,2100002.空军工程大学防空反导学院,西安,7100513.复杂航空系统仿真重点实验室,北京,100076
摘要：针对网络安全态势预测任务复杂且真实环境下数据噪声较大等问题,提出一种融合经验模态分解与改进时域Transformer的网络安全态势预测方法,通过"分解-重构"方式使用完全自适应噪声集合经验模态分解方法对真实环境下网络安全态势数据进行去噪预处理;提出改进时域Transformer,使用时域Trans-former模块提取网络安全态势数据序列的时间深层全局特征,并提出Attention Fusion机制实现时序特征的自适应融合,以更加稳健的特征融合方式完成预测任务.实验结果表明,本文提出的方法相较其他方法在预测精度方面具有显著提高,其拟合优度决定系数达到0.997 860,拟合效果较好.
关键词：网络安全态势预测时间序列分解Transformer特征融合注意力机制
分类号：TP393(计算技术、计算机技术)
资助基金：国家自然科学基金(62002362)国家自然科学基金(61703426)陕西省高校科协青年人才托举计划项目(2019038)中国陕西省创新能力支持计划(2020KJXX-065)
论文发表日期：2024-12-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 104-112 )
英文信息