典型文献
融合注意力机制和BSRU的工业互联网安全态势预测方法
文献摘要：
安全态势预测对确保工业互联网平稳可靠运行至关重要.传统的预测模型在面对工业生产过程中产生的海量、高维和时间序列数据时,难以准确、高效地对网络安全态势进行预测,因此提出一种融合注意力机制和双向简单循环单元(BSRU,bi-directional simple recurrent unit)的工业互联网安全态势预测方法,以满足工业生产的实时性和准确性要求.对各安全要素进行分析和处理,使其能反映当前网络状态,便于态势值的求取.使用一维卷积网络提取各安全要素之间的空间维度特征,保留特征间的时间相关性.利用BSRU网络提取信息之间的时间维度特征,减少历史信息的丢失,同时借助SRU网络强大的并行能力,减少模型的训练时间.引入注意力机制优化BSRU隐含状态中的相关性权重,以突出强相关性因素,减少弱相关性因素的影响,实现融合注意力机制和BSRU的工业互联网安全态势预测.对比实验结果显示,该模型较使用双向长短期记忆网络和双向门控循环单元的预测模型,在训练时间和训练误差上分别减少了13.1％和28.5％;相比于没有使用注意力机制的卷积和BSRU网络融合模型,训练时间虽增加了2％,但预测误差降低了28.8％;在不同预测时长下该模型的预测效果优于其他模型,实现了在时间性能上的优化,使用注意力机制在增加少量时间成本的前提下,提升了模型的预测精度,能够较好地拟合网络安全态势发展,且模型在多步预测上存在一定的优势.
文献关键词：
工业互联网;注意力机制;简单循环单元;安全态势
中图分类号：
作者姓名：
胡向东;田正国
作者机构：
重庆邮电大学自动化学院/工业互联网学院,重庆400065
文献出处：
引用格式：
[1]胡向东;田正国-.融合注意力机制和BSRU的工业互联网安全态势预测方法)[J].网络与信息安全学报,2022(01):41-51
A类：
BSRU
B类：
注意力机制,工业互联网安全,安全态势预测,可靠运行,行至,高维,时间序列数据,网络安全态势,双向简单循环单元,bi,directional,simple,recurrent,unit,安全要素,网络状态,势值,求取,一维卷积网络,空间维度,维度特征,时间相关性,提取信息,时间维度,历史信息,训练时间,机制优化,强相关性,双向长短期记忆网络,双向门控循环单元,网络融合,融合模型,预测误差,时间性能,时间成本,多步预测
AB值：
0.253868
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
