
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于改进选择性卷积网络的二次分类网络安全态势评估与预测模型
《Scientific Reports》:SCN security situation assessment and prediction model based on improved selective convolutional network
【字体: 大 中 小 】 时间:2026年09月20日 来源:Scientific Reports 4.9
编辑推荐:
摘要随着互联网的进步,网络攻击正变得越来越不透明和复杂。传统安全防御系统无法应对网络威胁的快速变化和更新。本研究提出了一种基于改进选择性卷积网络的二次分类网络安全态势评估与预测模型。所提出的模型将卷积块注意力模块引入选择性卷积网络,以增强网络环境感知并抑制冗余信息。该模型结合
随着互联网的进步,网络攻击正变得越来越不透明和复杂。传统安全防御系统无法应对网络威胁的快速变化和更新。本研究提出了一种基于改进选择性卷积网络的二次分类网络安全态势评估与预测模型。所提出的模型将卷积块注意力模块引入选择性卷积网络,以增强网络环境感知并抑制冗余信息。该模型结合门控循环单元和朴素贝叶斯来处理和预测长序列数据。该模型保持时间记忆,提高了预测的鲁棒性和准确性。在态势评估实验中,识别准确率为 97.38%。分类准确率为 96.25%。召回率为 97.88%。平均任务处理时间为 0.54 毫秒。在态势预测实验中,模型在点预测精度方面实现了 2.63% 的平均绝对误差。在强噪声干扰下,预测准确率为 90.25%。在严重攻击行为下,预测准确率超过 90%。所提出的模型表现出较高的评估准确率、预测精度和鲁棒性。结果证明了其在网络安全态势评估与预测领域的有效性和先进性。该模型有效解决了传统方法在时间预测中的滞后问题。