黄 东,李长彬

(钦州学院 数学与计算机科学学院, 广西 钦州 535000)

0 引言

网络技术已经成为人们生活中不可缺少的一部分,由于互联网的开放性，网络安全随之而来[1],被动防范策略无法满足人们对网络安全的要求，网络安全态势评估可对网络安全将来状态进行估计，成为网络管理领域研究中的重大课题[2].

传统网络安全态势评估模型采用专家系统构建，评估的准确性与专家知识库密切相关，导致评估结果不太科学、不可信[3-4].随后有学者基于统计学理论，提出了隐马尔可夫模型、模糊推理、贝叶斯网络的网络安全态势评估模型[5-8].但是在实际应用中，这些模型存在许多争论，网络安全态势评估结果的正确性饱受质疑[9].近些年，随着现代机器学习算法的不断发展，一些专家和学者将K近邻算法、神经网络、支持向量机等引入到网络安全态势评估中，如文献[10]提出了支持向量机的网络安全态势评估模型，利用支持向量机的非线性处理能力，描述网络安全态势变化的不确定和动态性[10].文献[11]提出K近邻算法和支持向量机相融合的网络安全态势评估模型，通过两者的优势互补，提高了网络安全态势评估正确率[11]，但是这些算法均存在一定的局限性，如神经网络易出现过拟合现象、支持向量机训练费时、K近邻算法分类结果不稳定等[12].最小二乘支持向量机(least square support vector machine， LSSVM)是一种新型的机器习算法，较好地解决了神经网络的过拟合缺陷以及支持向量机训练……