信息与控制

作者：王娜, 常娅明, 张鑫海

关键词：态势预测, 改进变分模态分解, 凝聚层次聚类, Informer神经网络, 核函数

针对网络安全态势数据具有较强非平稳与非线性特性，而易导致传统数据驱动预测模型精度降低的问题，提出一种基于EVMD-Informer(Enhanced Variational Mode Decomposition-Informer)的网络安全态势预测方法。首先，提出改进变分模态分解法，来获得原始数据的分解子集，降低数据的非平稳性，提高预测的准确性；其次，利用凝聚层次聚类来重构子集，以精简冗余的分量，并作为Informer模型的输入；再引入高斯核函数以改进Informer预测模型的精度。最后，采用标准网络安全数据集NSL-KDD(Network Security Lab-Knowledge Discovery Dataset)进行仿真验证，表明所提方法与传统方法相比具有较高的预测精度，预测误差MSE(Mean Square Error)可达0.005 13%。

来源：2025年第5期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第5期