（1.空军工程大学研究生院，西安 710051；2.空军工程大学防空反导学院，西安 710051）

0 引言

随着大数据时代的到来，网络给人们带来了极大的便利，但同时由于安全意识的缺乏，网络也带来了不可估量的安全问题。原始的网络安全预防主要通过防火墙、杀毒软件等技术被动防御外来的网络入侵，无法预测未来的走向。网络安全态势预测能够对网络状态进行分析，预测将来发生的状况，可在网络受到危险之前制定安全防范措施。因此，设计出有效、准确的网络安全态势预测模型是由被动防御转为主动防御的关键一步。

目前对网络安全态势预测模型的研究方法各种各样［1］，传统的预测模型基本分为三种：统计分析模型、数据驱动模型和定性知识模型。统计分析模型如灰色预测需要建立精准的数学表达式，计算量大，且只能预测态势的大致趋势，不能预测精准的态势值；数据驱动模型如反向传播（Back Propagation，BP）神经网络需要利用大量的定量数据对模型进行优化训练，学习速度低，易出现过拟合、收敛慢等不足；定性知识模型只凭借专家经验及定性描述的数据无法有效利用定量信息，会出现组合爆炸及预测结果不准确等问题。文献［2］提出利用改进灰色关联理论对收集到的异常流量进行关联分析，实现校园网的态势感知，数据量运算大。文献［3］用BP 神经网络作为预测模型，通过人群搜索算法优化其参数，实现了更好的稳定性，但增加了训练时间成本。文献［4］采用模拟退火与高斯扰动的粒子群与支持向量机结合的预测模型，提高了预测精度，但收敛慢。……