张 曼

(西北政法大学，陕西 西安 710100)

1 引言

混合多层结构化网络攻击态势预测算法是网络安全主动防御的核心，该预测算法在网络风险评估与分析中起到关键性作用。网络攻击防范技术逐渐从被动防护演变为主动防御。根据网络攻击态势[1]可了解网络当前攻击形势，并对未来一段时间内的网络攻击形式进行预测，能够在网络遭受攻击前，采用适当的措施对其进行防范，所以网络攻击态势的精准预测对维护网络安全起到关键作用。

传统的预测方法以时间序列检测法[2]为主，但网络攻击存在变化大及非线性的特点，针对于这些特点，时间序列方法还不能够准确解决，但随着人工智能不断地发展与完善，研发了多种网络攻击态势预测方法，例如：神经网络[3]、支持向量机[4]、马尔科夫链[5]，这些预测方法虽然有较高的预测精度，但经大量的实验结果表明，它们都含有一些弊端。神经网络存在参数选取困难、网络数据收集速度慢，容易局限于最小点，导致预测结果易出现过拟合的状况；支持向量机的预测算法虽解决了神经网络过拟合的状况，但其参数选择没有理论指导，使客观性较低，导致在参数的样本较大时，训练速度减低；马尔科夫链对于预测模型的完成还不够精确，需要用到多种公式求导，计算起来比较困难且消耗时间。所以，想要实现网络攻击态势的预测并具有鲁棒性，就要对参数进行优化[6]。对此，提出一种遗传算法[7]与支持向量机相结合的网络攻击态势预测算法。……