融合经验模态分解与改进时域Transformer的网络安全态势预测OA北大核心CSTPCD
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Transformer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0.997860,拟合效果较好。
孙隽丰;李成海;宋亚飞;倪鹏
空军工程大学防空反导学院,西安710051 94994部队,南京210000空军工程大学防空反导学院,西安710051空军工程大学防空反导学院,西安710051复杂航空系统仿真重点实验室,北京100076
计算机与自动化
网络安全态势预测时间序列分解Transformer特征融合注意力机制
《空军工程大学学报》 2024 (6)
P.104-112,9
国家自然科学基金(62002362,61703426)陕西省高校科协青年人才托举计划(2019038)中国陕西省创新能力支持计划(2020KJXX-065)。
评论