• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于ADE-ABiGRU的物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)*

    2024-01-10 04:00:52彭興維袁凌云
    關(guān)鍵詞:態(tài)勢(shì)梯度注意力

    彭興維,袁凌云,2

    (1.云南師范大學(xué) 信息學(xué)院,云南 昆明 650500;2.云南師范大學(xué) 民族教育信息化教育部重點(diǎn)實(shí)驗(yàn)室,云南 昆明 650500)

    0 引言

    物聯(lián)網(wǎng)是由眾多智能設(shè)備與網(wǎng)絡(luò)連接組成的綜合網(wǎng)絡(luò)體系,旨在實(shí)現(xiàn)設(shè)備間的智能互聯(lián)和數(shù)據(jù)共享。隨著物聯(lián)網(wǎng)設(shè)備的普及,安全威脅亦在增加[1]。相對(duì)于傳統(tǒng)的安全措施,網(wǎng)絡(luò)安全態(tài)勢(shì)感知作為一種新方法,為網(wǎng)絡(luò)行為的宏觀理解和意圖辨識(shí)提供了創(chuàng)新視角,進(jìn)而為網(wǎng)絡(luò)安全決策提供了有力支撐[2]。

    近年來(lái),深度學(xué)習(xí)算法在多個(gè)領(lǐng)域均展現(xiàn)出了卓越的應(yīng)用潛力[3]。許多研究者對(duì)深度學(xué)習(xí)算法進(jìn)行優(yōu)化,提升其預(yù)測(cè)精準(zhǔn)度。Wang等人[4]提出了一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory network,LSTM)和門(mén)控循環(huán)單元(Gated Recurrent Unit,GRU)的雙層模型預(yù)測(cè)算法。為了利用長(zhǎng)期數(shù)據(jù)提升預(yù)測(cè)準(zhǔn)確度,Zeng等人[5]在此基礎(chǔ)上提出了一種結(jié)合擴(kuò)展平穩(wěn)小波變換和嵌套LSTM的預(yù)測(cè)模型。為增強(qiáng)物聯(lián)網(wǎng)安全性,Tan等人[6]提出了一種基于HoneyNet的方法,通過(guò)該方法成功監(jiān)控對(duì)手攻擊行為。Chen[7]通過(guò)結(jié)合模擬退火算法和混合層次遺傳算法優(yōu)化徑向基函數(shù)(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò),為網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)提供了一種新的解決思路。曹波等人[8]引入了一種融合時(shí)域卷積神經(jīng)網(wǎng)絡(luò)(Temporal Convolutional Network,TCN)和GRU的預(yù)測(cè)策略進(jìn)一步提高預(yù)測(cè)精確度。

    面對(duì)復(fù)雜數(shù)據(jù)處理中傳統(tǒng)深度學(xué)習(xí)方法的局限性,特別是在參數(shù)優(yōu)化和避免局部最優(yōu)解方面的挑戰(zhàn),研究者們逐漸轉(zhuǎn)向采用元啟發(fā)式優(yōu)化算法。這類(lèi)算法以其卓越的全局搜索能力和高度的適應(yīng)性,為解決深度學(xué)習(xí)模型的優(yōu)化問(wèn)題提供了新的視角。趙冬梅等人[9]提出了一種面向復(fù)雜網(wǎng)絡(luò)安全態(tài)勢(shì)的預(yù)測(cè)模型,該模型結(jié)合了改進(jìn)的粒子群優(yōu)化技術(shù)與雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory,BiLSTM),取得了較好的預(yù)測(cè)效果。張一凡等人[10]應(yīng)用了自適應(yīng)進(jìn)化算法來(lái)優(yōu)化預(yù)測(cè)模型,通過(guò)結(jié)合不同的基學(xué)習(xí)器和元學(xué)習(xí)器,顯著提升了預(yù)測(cè)準(zhǔn)確性。羅翠云等人[11]采用了一種結(jié)合隨機(jī)黑洞模型的差分進(jìn)化算法,有效地解決了調(diào)度中的復(fù)雜優(yōu)化問(wèn)題。這些研究進(jìn)一步證明了元啟發(fā)式算法在處理高維度和復(fù)雜數(shù)據(jù)集時(shí)的有效性。

    然而,現(xiàn)有研究在捕捉時(shí)間序列數(shù)據(jù)中的復(fù)雜依賴(lài)性方面仍有不足,無(wú)法適應(yīng)物聯(lián)網(wǎng)的高動(dòng)態(tài)、復(fù)雜性和大規(guī)模數(shù)據(jù)環(huán)境。因此,本文引入了雙向門(mén)控循環(huán)單元(Bidirectional Gated Recurrent Unit,BiGRU)和多頭注意力機(jī)制,與自適應(yīng)差分進(jìn)化算法(Adaptive Differential Evolution,ADE)相結(jié)合,以更準(zhǔn)確地捕獲物聯(lián)網(wǎng)安全態(tài)勢(shì)中的復(fù)雜數(shù)據(jù)模式和關(guān)系,提出了ADE-ABiGRU物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)模型。本文主要貢獻(xiàn)如下:

    (1)優(yōu)化BiGRU以更有效地處理物聯(lián)網(wǎng)環(huán)境下的時(shí)間序列數(shù)據(jù)。通過(guò)引入殘差結(jié)構(gòu),解決循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)中常見(jiàn)的梯度消失和梯度爆炸問(wèn)題。

    (2)采用多頭注意力機(jī)制,有效增強(qiáng)模型在處理物聯(lián)網(wǎng)環(huán)境中復(fù)雜數(shù)據(jù)的分析能力,使模型能從多角度捕捉時(shí)間序列數(shù)據(jù)間的依賴(lài)關(guān)系,提高預(yù)測(cè)的精度和深度。

    (3)對(duì)傳統(tǒng)差分進(jìn)化(Differential Evolution,DE)算法進(jìn)行了自適應(yīng)改進(jìn),通過(guò)自適應(yīng)地調(diào)整關(guān)鍵參數(shù),使模型在物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)中達(dá)到更高的性能。

    1 基于ADE-ABiGRU的物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)方法

    本文結(jié)合ADE和BiGRU,提出了一種基于ADE-ABiGRU的物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)模型。模型結(jié)構(gòu)包括BiGRU用于捕獲時(shí)間序列數(shù)據(jù)的依賴(lài)關(guān)系,多頭注意力機(jī)制用于分析復(fù)雜的數(shù)據(jù)依賴(lài),殘差結(jié)構(gòu)用于解決深度網(wǎng)絡(luò)中的梯度消失問(wèn)題。改進(jìn)的ADE算法引入非線性慣性權(quán)重,通過(guò)自適應(yīng)調(diào)整模型關(guān)鍵參數(shù),進(jìn)一步提高模型在物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)中的性能。

    1.1 模型構(gòu)建

    網(wǎng)絡(luò)模型主要包括BiGRU、多頭注意力機(jī)制和殘差結(jié)構(gòu)。具體模型結(jié)構(gòu)如圖1所示。

    圖1 基于ADE-ABiGRU的網(wǎng)絡(luò)模型

    1.1.1 BiGRU結(jié)構(gòu)

    預(yù)測(cè)物聯(lián)網(wǎng)安全態(tài)勢(shì)值是一個(gè)時(shí)序任務(wù),選擇使用BiGRU結(jié)構(gòu)[12]可以有效地捕獲時(shí)間序列中的依賴(lài)關(guān)系。BiGRU由兩個(gè)獨(dú)立的GRU組成,一個(gè)處理從左到右的序列,另一個(gè)處理從右到左的序列。這兩個(gè)GRU的輸出會(huì)在每個(gè)時(shí)間步被合并,以形成最終的輸出,在處理序列數(shù)據(jù)時(shí)可以同時(shí)考慮過(guò)去的信息和未來(lái)的信息。GRU其主要優(yōu)勢(shì)是可以更有效地捕捉長(zhǎng)期依賴(lài),而避免了RNN中的梯度消失和梯度爆炸問(wèn)題。通過(guò)引入“重置門(mén)”和“更新門(mén)”兩種機(jī)制來(lái)實(shí)現(xiàn)這一點(diǎn)。

    重置門(mén)rt用于確定在計(jì)算當(dāng)前的候選隱藏狀態(tài)時(shí)應(yīng)該丟棄多少以前的信息,計(jì)算方法如式(1)所示:

    rt=σ(Wr·[ht-1,xt])

    (1)

    其中,rt是重置門(mén)的激活值,σ是sigmoid激活函數(shù),Wr是重置門(mén)的權(quán)重矩陣,ht-1是上一個(gè)時(shí)間步的隱藏狀態(tài),而xt是當(dāng)前時(shí)間步的輸入。

    更新門(mén)zt用于確定應(yīng)該保留多少以前的隱藏狀態(tài)和新的候選隱藏狀態(tài),如式(2)所示:

    zt=σ(Wz·[ht-1,xt])

    (2)

    其中,zt是更新門(mén)的激活值,Wz是更新門(mén)的權(quán)重矩陣。

    (3)

    其中,tanh是雙曲正切激活函數(shù),⊙表示逐元素乘法,W是權(quán)重矩陣。

    當(dāng)前時(shí)間步的隱藏狀態(tài)ht基于更新門(mén)的加權(quán)平均值來(lái)更新,如式(4)所示:

    (4)

    其中,ht是當(dāng)前時(shí)間步的隱藏狀態(tài)。

    在此基礎(chǔ)上,BiGRU在每個(gè)時(shí)間步將從左到右的GRU和從右到左的GRU的隱藏狀態(tài)進(jìn)行合并,從而形成最終的輸出。當(dāng)輸入序列中的模式可能受到過(guò)去和未來(lái)數(shù)據(jù)點(diǎn)的影響時(shí),BiGRU的這種雙向結(jié)構(gòu)使其能夠在時(shí)間序列預(yù)測(cè)任務(wù)中捕獲更豐富的上下文信息。

    1.1.2 多頭注意力機(jī)制

    多頭注意力機(jī)制(Multi-Head Attention Mechanism)[13]是自注意力機(jī)制的擴(kuò)展,被廣泛應(yīng)用于Transformer結(jié)構(gòu)中以捕獲輸入序列中多種不同的依賴(lài)關(guān)系。在物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)中,這種機(jī)制可以幫助模型從多個(gè)角度對(duì)輸入數(shù)據(jù)進(jìn)行分析,捕獲更復(fù)雜的依賴(lài)模式。自注意力機(jī)制的基本思想是對(duì)輸入序列中的每一個(gè)元素計(jì)算其與其他所有元素的相關(guān)性。而多頭注意力則是并行運(yùn)行多次這樣的自注意力操作,每次都使用不同的權(quán)重集,這樣可以捕獲輸入數(shù)據(jù)中多種不同的信息和模式。多頭注意力的計(jì)算可以描述如下:

    對(duì)于輸入的每一個(gè)元素,都會(huì)計(jì)算其對(duì)應(yīng)的鍵(Key)、值(Value)和查詢(xún)(Query)表示,如式(5)~(7)所示:

    Keys=X·WK

    (5)

    Values=X·WV

    (6)

    Queries=X·WQ

    (7)

    其中,X是輸入數(shù)據(jù),而WK、WV、WQ分別是鍵、值和查詢(xún)的權(quán)重矩陣。

    接下來(lái),計(jì)算查詢(xún)與所有鍵之間的點(diǎn)積,然后應(yīng)用softmax函數(shù),得到注意力權(quán)重:

    (8)

    其中,A代表注意力權(quán)重,dk是鍵的維度。

    對(duì)于第i個(gè)頭,用上述方法計(jì)算出的注意力權(quán)重對(duì)值進(jìn)行加權(quán)求和,得到輸出:

    Oi=Ai·Vi

    (9)

    其中Oi表示第i個(gè)頭的輸出,Ai是第i個(gè)頭的注意力權(quán)重,而Vi是第i個(gè)頭的值。

    多頭注意力則是重復(fù)上述過(guò)程多次,每次使用不同的權(quán)重集,然后將所有頭的輸出拼接起來(lái):

    Omulti=Concat(Head1,Head2,…,HeadH)·WO

    (10)

    其中,H是頭的數(shù)量,WO是一個(gè)輸出權(quán)重矩陣,用于將各個(gè)頭的輸出合并為一個(gè)統(tǒng)一的輸出。

    1.1.3 殘差結(jié)構(gòu)

    殘差結(jié)構(gòu)(Residual Networks,ResNets)[14]主要用于解決深度學(xué)習(xí)模型中的梯度消失問(wèn)題。其核心是通過(guò)直接連接來(lái)“跳過(guò)”一些層,從而更有效地傳播梯度。

    對(duì)于網(wǎng)絡(luò)中某個(gè)層的輸入為x,該層的操作為F(x,W),其中W是權(quán)重。殘差連接的形式為:

    y=F(x,W)+x

    (11)

    其中,y是該層的輸出。這種形式保證了即使F只輸出小的值,輸出y也會(huì)包含大部分的輸入信息。

    考慮梯度的反向傳播,直接連接保證了梯度的直接流動(dòng):

    (12)

    與普通層相比,殘差連接有一個(gè)額外的單位梯度,這確保了深度模型中的梯度不會(huì)輕易消失。殘差連接優(yōu)化了網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程,增強(qiáng)了梯度的流動(dòng)性,確保深度網(wǎng)絡(luò)在訓(xùn)練過(guò)程中保持有效性和穩(wěn)定性。

    1.2 改進(jìn)DE算法

    為了更好地與BiGRU模型的特性和需求相適應(yīng),ADE算法對(duì)標(biāo)準(zhǔn)DE算法[15]的參數(shù)進(jìn)行了優(yōu)化調(diào)整。通過(guò)自適應(yīng)調(diào)整關(guān)鍵參數(shù),如變異因子和交叉概率,并考慮種群大小,提高尋找物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)問(wèn)題中全局最優(yōu)解的效率。ADE算法引入了自適應(yīng)機(jī)制,基于BiGRU模型的性能反饋,以動(dòng)態(tài)調(diào)整算法參數(shù),從而優(yōu)化模型的預(yù)測(cè)能力。

    1.2.1 自適應(yīng)交叉因子和變異因子

    在DE算法中,交叉因子CR和變異因子F是關(guān)鍵因子。通過(guò)引入基于sigmoid函數(shù)的自適應(yīng)機(jī)制,在迭代過(guò)程中更新變異因子和交叉概率,使得算法在搜索初期能夠廣泛地探索解空間,尋找多個(gè)可能的優(yōu)良解區(qū)域。隨著迭代的進(jìn)行,算法逐漸從廣泛探索轉(zhuǎn)向精細(xì)化搜索,在找到的潛在優(yōu)良區(qū)域內(nèi)進(jìn)行更加集中和深入的搜索,以期找到更精確的最優(yōu)解。這種從廣泛探索到精細(xì)化搜索的轉(zhuǎn)變,有助于算法在迭代的不同階段保持有效的平衡,避免早熟收斂,同時(shí)增加找到全局最優(yōu)解的可能性。在改進(jìn)策略中,這些因子會(huì)隨著迭代次數(shù)動(dòng)態(tài)地調(diào)整。交叉因子CR的更新策略與F相似,替換了相應(yīng)的參數(shù)上下限值,以變異因子F為例,其自適應(yīng)策略如下:

    (13)

    其中,t是當(dāng)前迭代次數(shù),M是最大迭代次數(shù),F(xiàn)max和Fmin分別是F的最大值和最小值,k是控制sigmoid函數(shù)斜率的參數(shù)。

    1.2.2 非線性慣性權(quán)重

    為了提高DE算法在搜索空間中的探索和利用能力,引入了一個(gè)非線性的慣性權(quán)重因子ω,使DE算法增添了一個(gè)額外的調(diào)整維度,使得算法在不同的迭代階段可以有不同的搜索強(qiáng)度。非線性慣性權(quán)重的主要作用是在試驗(yàn)向量的計(jì)算中調(diào)整隨機(jī)選擇的種群成員的貢獻(xiàn)。通過(guò)引入該權(quán)重,可以在算法的早期階段加強(qiáng)全局搜索,而在后期階段更加關(guān)注局部搜索,從而實(shí)現(xiàn)更好的平衡。試驗(yàn)向量的計(jì)算公式如式(14)所示:

    (14)

    (15)

    在此策略中,ω的值會(huì)根據(jù)當(dāng)前的迭代次數(shù)t和最大迭代次數(shù)M動(dòng)態(tài)調(diào)整,從而實(shí)現(xiàn)算法在不同迭代階段的自適應(yīng)性。

    2 實(shí)驗(yàn)與分析

    2.1 數(shù)據(jù)來(lái)源與預(yù)處理

    ToN_IoT數(shù)據(jù)集[16]匯集了物聯(lián)網(wǎng)(IoT)和工業(yè)物聯(lián)網(wǎng)(IIoT)的傳感器數(shù)據(jù)、Windows 7和10、Ubuntu 14和18的TLS操作系統(tǒng)日志,以及網(wǎng)絡(luò)流量記錄等多樣化的異構(gòu)數(shù)據(jù)源。選擇該數(shù)據(jù)集的原因在于其豐富的數(shù)據(jù)類(lèi)型和廣泛的攻擊場(chǎng)景覆蓋,這些特點(diǎn)使其成為模擬現(xiàn)實(shí)世界復(fù)雜網(wǎng)絡(luò)環(huán)境的理想選擇。數(shù)據(jù)集中包括9種主要攻擊類(lèi)型(如掃描、DoS、DDoS等)和正常流量,能夠全面模擬物聯(lián)網(wǎng)環(huán)境下各類(lèi)安全威脅,為深入分析網(wǎng)絡(luò)安全態(tài)勢(shì)提供了實(shí)驗(yàn)基礎(chǔ)。

    在數(shù)據(jù)預(yù)處理方面,首先對(duì)分類(lèi)特征實(shí)施標(biāo)簽編碼,將非數(shù)值數(shù)據(jù)轉(zhuǎn)化為數(shù)值形式,以適應(yīng)深度學(xué)習(xí)模型的輸入需求。分類(lèi)特征根據(jù)其唯一值的數(shù)量被分為兩類(lèi):唯一值較少的特征采用獨(dú)熱編碼(One-Hot Encoding),而唯一值較多的特征則采用計(jì)數(shù)編碼(Count Encoding)。完成編碼后,原始分類(lèi)列被替換為相應(yīng)的編碼列。本研究重點(diǎn)分析了數(shù)據(jù)集中“Train_Test_Network.csv”文件中的45個(gè)特征,包括時(shí)間戳、源/目的IP地址、源/目的端口號(hào)、協(xié)議類(lèi)型等,及其數(shù)據(jù)標(biāo)簽(正?;蚬?和攻擊類(lèi)型。這些特征被劃分為8個(gè)服務(wù)配置文件,如連接活動(dòng)、統(tǒng)計(jì)活動(dòng)、DNS活動(dòng)、SSL活動(dòng)、HTTP活動(dòng)和違規(guī)活動(dòng)等,為后續(xù)的模型訓(xùn)練與驗(yàn)證提供了詳細(xì)的數(shù)據(jù)基礎(chǔ)。

    2.2 態(tài)勢(shì)值生成

    ToN_IoT數(shù)據(jù)集并沒(méi)有提供直接可用的態(tài)勢(shì)值字段。為了生成態(tài)勢(shì)值,本文參考文獻(xiàn)[9]的方法,并進(jìn)行了適當(dāng)?shù)恼{(diào)整和優(yōu)化,主要優(yōu)化在于結(jié)合了攻擊類(lèi)型所帶來(lái)的威脅因子和攻擊的頻次兩個(gè)核心因素以構(gòu)建態(tài)勢(shì)值;并定義了各種攻擊類(lèi)型與其相應(yīng)的威脅因子值,具體的攻擊類(lèi)別與威脅因子的關(guān)系如表1所示。

    表1 威脅因子

    考慮到網(wǎng)絡(luò)環(huán)境的動(dòng)態(tài)性和變化性,選定708個(gè)樣本的時(shí)間段作為分析的基礎(chǔ)單位,約對(duì)應(yīng)1 h的網(wǎng)絡(luò)活動(dòng)。在這個(gè)時(shí)間框架內(nèi),如果遭遇頻繁的網(wǎng)絡(luò)攻擊,其安全態(tài)勢(shì)評(píng)分將相應(yīng)提高,反映出更高的威脅級(jí)別;相反,如果攻擊較少,則態(tài)勢(shì)評(píng)分降低,從而更準(zhǔn)確地描繪出網(wǎng)絡(luò)的安全狀況。每一個(gè)時(shí)間段中的具體態(tài)勢(shì)值SA(t)計(jì)算方式如式(16)所示:

    (16)

    其中,Ti和Fi分別代表第i個(gè)樣本的威脅因子值和該樣本在一個(gè)時(shí)間段內(nèi)的攻擊威脅,N是該時(shí)間段內(nèi)的樣本總數(shù)。

    根據(jù)式(16)為每一個(gè)時(shí)間段生成真實(shí)態(tài)勢(shì)值,如圖2所示。

    圖2 真實(shí)態(tài)勢(shì)值

    2.3 實(shí)驗(yàn)環(huán)境

    本文的實(shí)驗(yàn)環(huán)境如表2所示,實(shí)驗(yàn)環(huán)境的配置提供了基礎(chǔ)設(shè)施和軟件工具,以支持本文的實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)處理。

    2.4 評(píng)價(jià)指標(biāo)

    為了準(zhǔn)確評(píng)估物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)算法的性能,本文選用了三個(gè)主要的評(píng)價(jià)指標(biāo):平均絕對(duì)百分比誤差(Mean Absolute Percentage Error,MAPE)、決定系數(shù)(Coefficient of Determination,R2)和均方誤差 (Mean Squared Error,MSE)。

    MAPE常用于衡量預(yù)測(cè)算法準(zhǔn)確性。它計(jì)算實(shí)際值與預(yù)測(cè)值之間的平均百分比誤差。計(jì)算公式如下:

    (17)

    其中,Ai和Fi分別是第i個(gè)觀測(cè)點(diǎn)的實(shí)際值和預(yù)測(cè)值。MAPE 的值越小,預(yù)測(cè)準(zhǔn)確性越高。

    R2是用于衡量模型預(yù)測(cè)能力的一個(gè)統(tǒng)計(jì)指標(biāo)。它描述了模型預(yù)測(cè)的方差占數(shù)據(jù)總方差的比例,用于評(píng)價(jià)模型對(duì)數(shù)據(jù)的解釋能力。計(jì)算公式如下:

    (18)

    MSE是用于衡量預(yù)測(cè)值與實(shí)際觀測(cè)值之間差異的一種度量,表示預(yù)測(cè)誤差的平方的平均值,其值越小表示預(yù)測(cè)模型的精度越高。計(jì)算公式如下:

    (19)

    2.5 實(shí)驗(yàn)結(jié)果與分析

    2.5.1 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)對(duì)比

    本節(jié)對(duì)不同物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)算法進(jìn)行預(yù)測(cè)值比較,主要對(duì)比了ADE-ABiGRU、BiGRU、CNN和RandomForest等算法的性能。從圖3的實(shí)驗(yàn)結(jié)果可以看出,ADE-ABiGRU算法的預(yù)測(cè)趨勢(shì)與實(shí)際值高度一致,對(duì)比原始BiGRU也有所提升,BiGRU在劇烈波動(dòng)的時(shí)間段與真實(shí)值有不符。這表明ADE-ABiGRU在物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)上具有非常高的準(zhǔn)確性和穩(wěn)定性,其成功地捕捉了網(wǎng)絡(luò)安全態(tài)勢(shì)的主要變化趨勢(shì),與真實(shí)值的擬合度明顯優(yōu)于其他算法。

    圖3 對(duì)比結(jié)果

    2.5.2 性能評(píng)估指標(biāo)分析

    為了評(píng)估物聯(lián)網(wǎng)安全態(tài)勢(shì)預(yù)測(cè)算法的性能,本節(jié)測(cè)試了MAPE、R2和MSE三個(gè)指標(biāo)。MAPE用于量化預(yù)測(cè)值與實(shí)際值之間的平均百分比誤差,其值越小,預(yù)測(cè)準(zhǔn)確性越高。R2描述的是模型預(yù)測(cè)的方差與數(shù)據(jù)總方差之間的關(guān)系,R2值越接近1,模型擬合度越好。MSE表示預(yù)測(cè)誤差的平方的平均值,其值越小表示預(yù)測(cè)模型的精度越高。從表3的數(shù)據(jù)可以看出,ADE-ABiGRU在所有三個(gè)指標(biāo)上均優(yōu)于其他算法,表明ADE-ABiGRU模型在預(yù)測(cè)物聯(lián)網(wǎng)安全態(tài)勢(shì)時(shí),不僅準(zhǔn)確性高,而且預(yù)測(cè)誤差小,擬合度好。這主要得益于其結(jié)合了差分進(jìn)化算法的全局搜索能力和BiGRU捕捉時(shí)間依賴(lài)性的優(yōu)勢(shì),從而提升了預(yù)測(cè)的精確度和穩(wěn)定性。

    表3 不同算法的MAPE、R2和MSE比較

    3 結(jié)論

    本文針對(duì)現(xiàn)有預(yù)測(cè)模型在動(dòng)態(tài)捕捉物聯(lián)網(wǎng)安全態(tài)勢(shì)方面存在的局限性,提出融合ADE與ABiGRU的預(yù)測(cè)模型。該模型通過(guò)多頭注意力機(jī)制精細(xì)地捕獲時(shí)序數(shù)據(jù)中的關(guān)鍵特征,利用殘差結(jié)構(gòu)減少梯度消失問(wèn)題,提高模型訓(xùn)練的穩(wěn)定性。自適應(yīng)差分進(jìn)化算法在此模型中負(fù)責(zé)參數(shù)優(yōu)化,在動(dòng)態(tài)環(huán)境下能更有效地捕捉安全態(tài)勢(shì)的變化,進(jìn)一步提升了模型的預(yù)測(cè)準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明該模型在準(zhǔn)確性和穩(wěn)定性上均顯示出優(yōu)越性。未來(lái)研究將優(yōu)化模型效率并探索先進(jìn)機(jī)器學(xué)習(xí)技術(shù)以提升預(yù)測(cè)性能。

    猜你喜歡
    態(tài)勢(shì)梯度注意力
    讓注意力“飛”回來(lái)
    一個(gè)改進(jìn)的WYL型三項(xiàng)共軛梯度法
    一種自適應(yīng)Dai-Liao共軛梯度法
    2019年12月與11月相比汽車(chē)產(chǎn)銷(xiāo)延續(xù)了增長(zhǎng)態(tài)勢(shì)
    匯市延續(xù)小幅震蕩態(tài)勢(shì)
    我國(guó)天然氣供需呈現(xiàn)緊平衡態(tài)勢(shì)
    一類(lèi)扭積形式的梯度近Ricci孤立子
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    A Beautiful Way Of Looking At Things
    縣鄉(xiāng)一體化探索呈加速態(tài)勢(shì)
    午夜激情久久久久久久| 好男人视频免费观看在线| 亚洲精品色激情综合| 欧美精品一区二区免费开放| 在线天堂中文资源库| videos熟女内射| 国产精品一区www在线观看| 午夜免费鲁丝| 色吧在线观看| 欧美日韩精品成人综合77777| 国产福利在线免费观看视频| 精品国产乱码久久久久久小说| 亚洲图色成人| 男人爽女人下面视频在线观看| 天美传媒精品一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 街头女战士在线观看网站| 国产精品久久久久久久电影| 人妻一区二区av| 亚洲第一av免费看| 国产爽快片一区二区三区| 青春草国产在线视频| 好男人视频免费观看在线| 国产精品一区二区在线不卡| av免费观看日本| 寂寞人妻少妇视频99o| 国产一区二区激情短视频 | 22中文网久久字幕| 国产精品.久久久| 色5月婷婷丁香| 欧美变态另类bdsm刘玥| 又黄又爽又刺激的免费视频.| 纯流量卡能插随身wifi吗| a级毛色黄片| 国产精品一区www在线观看| 好男人视频免费观看在线| 综合色丁香网| 免费大片18禁| 精品一区在线观看国产| 777米奇影视久久| 亚洲av男天堂| 最新中文字幕久久久久| 国产成人91sexporn| 亚洲av男天堂| 制服诱惑二区| 中文字幕另类日韩欧美亚洲嫩草| 九草在线视频观看| 国产成人一区二区在线| 建设人人有责人人尽责人人享有的| 国内精品宾馆在线| 日韩不卡一区二区三区视频在线| 亚洲激情五月婷婷啪啪| 伊人亚洲综合成人网| 免费观看av网站的网址| 久久久久久久久久人人人人人人| 国产在线视频一区二区| 久久久久久久久久成人| 午夜视频国产福利| 一级爰片在线观看| 国产日韩欧美在线精品| 极品少妇高潮喷水抽搐| 一个人免费看片子| 一级爰片在线观看| 亚洲欧美色中文字幕在线| 欧美精品高潮呻吟av久久| 又黄又爽又刺激的免费视频.| 十八禁高潮呻吟视频| 蜜桃国产av成人99| 三级国产精品片| 国产精品一二三区在线看| 三级国产精品片| 少妇 在线观看| 水蜜桃什么品种好| 成年人午夜在线观看视频| 国产精品久久久久成人av| 一本大道久久a久久精品| 嫩草影院入口| 咕卡用的链子| 国产在视频线精品| 99久久精品国产国产毛片| 丰满少妇做爰视频| 国产免费一区二区三区四区乱码| 精品少妇内射三级| 欧美日韩国产mv在线观看视频| 午夜福利视频精品| 精品国产国语对白av| 国产精品久久久久久av不卡| 久久精品久久精品一区二区三区| 黄色毛片三级朝国网站| 亚洲精品久久午夜乱码| 亚洲婷婷狠狠爱综合网| 男男h啪啪无遮挡| 91精品国产国语对白视频| 精品少妇内射三级| 最后的刺客免费高清国语| 亚洲欧美清纯卡通| 蜜桃国产av成人99| 女的被弄到高潮叫床怎么办| 下体分泌物呈黄色| 精品卡一卡二卡四卡免费| 亚洲 欧美一区二区三区| 久久久久久久精品精品| av卡一久久| 各种免费的搞黄视频| 99热国产这里只有精品6| 久久久久久久久久久久大奶| 久久免费观看电影| 国产精品成人在线| av免费观看日本| 99热网站在线观看| 女人精品久久久久毛片| 成人国产av品久久久| 超色免费av| 欧美亚洲 丝袜 人妻 在线| 成人手机av| 一区在线观看完整版| 91国产中文字幕| 两性夫妻黄色片 | 多毛熟女@视频| 中文字幕最新亚洲高清| 在线观看国产h片| 久久青草综合色| 18禁在线无遮挡免费观看视频| 大香蕉97超碰在线| 国产老妇伦熟女老妇高清| 国产精品99久久99久久久不卡 | 国产福利在线免费观看视频| 亚洲精品日韩在线中文字幕| 国产 一区精品| 成人国产麻豆网| 国产极品粉嫩免费观看在线| 亚洲国产av影院在线观看| 成人国产av品久久久| 亚洲国产欧美在线一区| 夫妻午夜视频| 亚洲精品久久午夜乱码| 咕卡用的链子| 人妻少妇偷人精品九色| 侵犯人妻中文字幕一二三四区| 亚洲av综合色区一区| 久久久久久久大尺度免费视频| 亚洲第一av免费看| 18禁国产床啪视频网站| 亚洲精品美女久久av网站| 人人妻人人澡人人爽人人夜夜| 满18在线观看网站| 日韩av在线免费看完整版不卡| 午夜av观看不卡| 少妇人妻 视频| 在线观看三级黄色| 久久综合国产亚洲精品| 毛片一级片免费看久久久久| 欧美 亚洲 国产 日韩一| 黄网站色视频无遮挡免费观看| 香蕉精品网在线| 少妇精品久久久久久久| 亚洲人成网站在线观看播放| 大香蕉久久网| 成人毛片60女人毛片免费| freevideosex欧美| 久久精品久久久久久噜噜老黄| 爱豆传媒免费全集在线观看| av天堂久久9| 好男人视频免费观看在线| 曰老女人黄片| 99热这里只有是精品在线观看| 热re99久久精品国产66热6| 自线自在国产av| 国产成人午夜福利电影在线观看| 成年人免费黄色播放视频| 亚洲av电影在线进入| 伊人亚洲综合成人网| 男人操女人黄网站| 国产麻豆69| 激情五月婷婷亚洲| 亚洲 欧美一区二区三区| 美女内射精品一级片tv| 亚洲精品成人av观看孕妇| 纯流量卡能插随身wifi吗| 午夜影院在线不卡| 不卡视频在线观看欧美| 中文字幕另类日韩欧美亚洲嫩草| 91午夜精品亚洲一区二区三区| 亚洲欧洲国产日韩| av又黄又爽大尺度在线免费看| 成人漫画全彩无遮挡| 精品久久久精品久久久| 曰老女人黄片| 久久久久久人妻| 在线观看免费视频网站a站| 久久亚洲国产成人精品v| 中文字幕另类日韩欧美亚洲嫩草| av免费观看日本| 亚洲欧洲日产国产| 国产成人免费无遮挡视频| 亚洲欧美中文字幕日韩二区| 丰满饥渴人妻一区二区三| 十八禁高潮呻吟视频| 国产午夜精品一二区理论片| 女人久久www免费人成看片| 精品人妻偷拍中文字幕| 又大又黄又爽视频免费| 欧美日韩一区二区视频在线观看视频在线| av.在线天堂| 国产精品一国产av| √禁漫天堂资源中文www| 亚洲欧美日韩卡通动漫| 男人爽女人下面视频在线观看| 久久人人97超碰香蕉20202| 精品视频人人做人人爽| 国产一区二区激情短视频 | 国产精品国产三级国产专区5o| 99久久人妻综合| 国产精品国产av在线观看| 色网站视频免费| 在线观看免费日韩欧美大片| 精品午夜福利在线看| 国产成人免费无遮挡视频| 侵犯人妻中文字幕一二三四区| videos熟女内射| 亚洲中文av在线| 欧美精品一区二区大全| 99热国产这里只有精品6| 国产日韩一区二区三区精品不卡| 久久国内精品自在自线图片| 国产一级毛片在线| 在线观看一区二区三区激情| 黄色一级大片看看| 91午夜精品亚洲一区二区三区| 亚洲国产av影院在线观看| 中国国产av一级| 一本大道久久a久久精品| 在线亚洲精品国产二区图片欧美| 日韩欧美一区视频在线观看| 国产熟女欧美一区二区| 观看av在线不卡| 亚洲内射少妇av| av国产久精品久网站免费入址| 性色av一级| 久久国产精品男人的天堂亚洲 | 国产亚洲最大av| www日本在线高清视频| 男人舔女人的私密视频| 午夜免费男女啪啪视频观看| 亚洲一码二码三码区别大吗| av片东京热男人的天堂| 精品少妇久久久久久888优播| 欧美日韩av久久| av在线老鸭窝| 国产男女超爽视频在线观看| av福利片在线| 亚洲av电影在线观看一区二区三区| 成年人午夜在线观看视频| 精品人妻一区二区三区麻豆| 欧美人与善性xxx| 亚洲精品久久久久久婷婷小说| 国产麻豆69| 两个人看的免费小视频| a级毛片黄视频| 在线观看一区二区三区激情| 五月开心婷婷网| 婷婷色麻豆天堂久久| 亚洲内射少妇av| 在线 av 中文字幕| 高清在线视频一区二区三区| 国产毛片在线视频| 丝袜人妻中文字幕| 在线观看三级黄色| 夜夜骑夜夜射夜夜干| 成年av动漫网址| 亚洲在久久综合| 中文欧美无线码| 久久影院123| 久久久久国产精品人妻一区二区| 少妇精品久久久久久久| 大香蕉久久网| 黄片无遮挡物在线观看| 男女国产视频网站| 少妇人妻精品综合一区二区| 男女无遮挡免费网站观看| 肉色欧美久久久久久久蜜桃| 国产一区二区在线观看av| 日本av手机在线免费观看| 99热6这里只有精品| 久久久精品免费免费高清| 高清黄色对白视频在线免费看| 亚洲国产av新网站| 天美传媒精品一区二区| 三级国产精品片| 午夜免费男女啪啪视频观看| 男女下面插进去视频免费观看 | 999精品在线视频| 18+在线观看网站| 一级,二级,三级黄色视频| 一边亲一边摸免费视频| 春色校园在线视频观看| 纯流量卡能插随身wifi吗| 亚洲精品美女久久av网站| 成人黄色视频免费在线看| 青青草视频在线视频观看| 久久99热6这里只有精品| 蜜桃在线观看..| 亚洲激情五月婷婷啪啪| 2018国产大陆天天弄谢| 亚洲欧美中文字幕日韩二区| 夜夜爽夜夜爽视频| 精品国产露脸久久av麻豆| 十分钟在线观看高清视频www| 中文字幕av电影在线播放| 成人二区视频| 国产一区二区三区综合在线观看 | 97人妻天天添夜夜摸| 国产色婷婷99| 午夜福利在线观看免费完整高清在| 亚洲成国产人片在线观看| 性色avwww在线观看| 伊人久久国产一区二区| 美女脱内裤让男人舔精品视频| 我的女老师完整版在线观看| 一本久久精品| 亚洲国产毛片av蜜桃av| 欧美日韩视频精品一区| 91久久精品国产一区二区三区| a级毛片黄视频| 国产色婷婷99| 22中文网久久字幕| 国产精品一区二区在线不卡| 国产精品一二三区在线看| 午夜福利,免费看| 男人操女人黄网站| 色视频在线一区二区三区| 国产日韩欧美视频二区| 赤兔流量卡办理| 欧美亚洲 丝袜 人妻 在线| 精品第一国产精品| 国产精品久久久久久久久免| 国产在线免费精品| 亚洲国产精品专区欧美| av不卡在线播放| 久久国产精品男人的天堂亚洲 | 午夜老司机福利剧场| 亚洲欧美色中文字幕在线| 成人毛片a级毛片在线播放| 欧美国产精品一级二级三级| 99热这里只有是精品在线观看| 亚洲,欧美,日韩| 日本午夜av视频| 免费观看性生交大片5| 纯流量卡能插随身wifi吗| 少妇高潮的动态图| 亚洲国产精品专区欧美| 中文字幕精品免费在线观看视频 | 桃花免费在线播放| 我要看黄色一级片免费的| 天天影视国产精品| 国产精品国产三级专区第一集| 国产成人av激情在线播放| 自线自在国产av| 精品国产露脸久久av麻豆| 精品久久蜜臀av无| 2021少妇久久久久久久久久久| 考比视频在线观看| 这个男人来自地球电影免费观看 | 免费少妇av软件| 亚洲欧美一区二区三区黑人 | 一级片'在线观看视频| 人妻少妇偷人精品九色| 精品人妻在线不人妻| 一区二区三区精品91| 亚洲精品久久午夜乱码| 高清毛片免费看| 黄色一级大片看看| 国产精品人妻久久久影院| 欧美xxxx性猛交bbbb| 免费在线观看完整版高清| 国产一区二区三区av在线| 午夜福利视频精品| 在线观看一区二区三区激情| 日韩av不卡免费在线播放| 国产精品欧美亚洲77777| 建设人人有责人人尽责人人享有的| 99re6热这里在线精品视频| 国产精品秋霞免费鲁丝片| 免费日韩欧美在线观看| 久久av网站| 精品国产乱码久久久久久小说| 亚洲精品国产av成人精品| 国产免费又黄又爽又色| 亚洲精品aⅴ在线观看| 夫妻午夜视频| 欧美丝袜亚洲另类| 亚洲成色77777| 高清av免费在线| 久久精品久久久久久久性| 色94色欧美一区二区| 高清av免费在线| 久久99热6这里只有精品| 亚洲中文av在线| 国产欧美另类精品又又久久亚洲欧美| 国产精品99久久99久久久不卡 | 国产成人av激情在线播放| 亚洲图色成人| 国产精品 国内视频| 一二三四中文在线观看免费高清| 亚洲国产毛片av蜜桃av| 国产精品国产三级专区第一集| 高清不卡的av网站| 国产成人精品一,二区| 亚洲精品日韩在线中文字幕| 免费观看性生交大片5| 亚洲国产精品国产精品| 欧美精品一区二区大全| 国产综合精华液| 国产日韩欧美亚洲二区| 亚洲精品aⅴ在线观看| 色视频在线一区二区三区| 国产乱人偷精品视频| 男女啪啪激烈高潮av片| 久久 成人 亚洲| 一级爰片在线观看| 国产黄频视频在线观看| 大片免费播放器 马上看| 精品一区二区三卡| 国产一区二区三区av在线| 亚洲国产最新在线播放| 少妇精品久久久久久久| 2022亚洲国产成人精品| 亚洲欧美日韩卡通动漫| 欧美精品高潮呻吟av久久| freevideosex欧美| 美女内射精品一级片tv| 成人午夜精彩视频在线观看| 日韩不卡一区二区三区视频在线| 老司机影院成人| 99国产精品免费福利视频| 五月玫瑰六月丁香| 18禁动态无遮挡网站| 成人毛片a级毛片在线播放| 精品少妇久久久久久888优播| videos熟女内射| 国产黄频视频在线观看| 人妻人人澡人人爽人人| 考比视频在线观看| 日本wwww免费看| 99热6这里只有精品| 99精国产麻豆久久婷婷| 在线观看国产h片| 日日啪夜夜爽| 汤姆久久久久久久影院中文字幕| 热re99久久国产66热| 蜜桃在线观看..| 色吧在线观看| 激情视频va一区二区三区| 99国产综合亚洲精品| 狂野欧美激情性xxxx在线观看| 乱人伦中国视频| 91午夜精品亚洲一区二区三区| 91精品国产国语对白视频| a 毛片基地| 国产又色又爽无遮挡免| 久久精品久久久久久噜噜老黄| 女性被躁到高潮视频| 国产一区二区激情短视频 | 欧美变态另类bdsm刘玥| 国产成人免费观看mmmm| 丰满饥渴人妻一区二区三| 久久人妻熟女aⅴ| 视频中文字幕在线观看| 国产淫语在线视频| 国产麻豆69| 人妻系列 视频| 日本免费在线观看一区| 日韩成人av中文字幕在线观看| 久久国产精品男人的天堂亚洲 | 下体分泌物呈黄色| av有码第一页| 大片电影免费在线观看免费| 国产欧美日韩一区二区三区在线| 国产成人精品无人区| 国产1区2区3区精品| 一区二区日韩欧美中文字幕 | 久久青草综合色| 亚洲丝袜综合中文字幕| 日韩制服骚丝袜av| 妹子高潮喷水视频| 永久免费av网站大全| av卡一久久| 国产毛片在线视频| 高清av免费在线| 新久久久久国产一级毛片| 街头女战士在线观看网站| 老司机亚洲免费影院| 免费大片黄手机在线观看| 男女边吃奶边做爰视频| 欧美成人午夜免费资源| 日产精品乱码卡一卡2卡三| 国产精品熟女久久久久浪| 五月开心婷婷网| 亚洲国产精品一区三区| 国产xxxxx性猛交| 日韩不卡一区二区三区视频在线| 激情视频va一区二区三区| 中文天堂在线官网| 一本久久精品| 伦理电影大哥的女人| 在线观看美女被高潮喷水网站| 日韩成人伦理影院| 日本猛色少妇xxxxx猛交久久| 丁香六月天网| 黄片无遮挡物在线观看| 欧美精品亚洲一区二区| 狠狠婷婷综合久久久久久88av| 久久97久久精品| 亚洲性久久影院| 久久ye,这里只有精品| 欧美97在线视频| 亚洲伊人久久精品综合| 香蕉精品网在线| 男女边摸边吃奶| 2021少妇久久久久久久久久久| 欧美最新免费一区二区三区| 校园人妻丝袜中文字幕| 国产精品国产av在线观看| 777米奇影视久久| av黄色大香蕉| 26uuu在线亚洲综合色| 亚洲av综合色区一区| 1024视频免费在线观看| 国产老妇伦熟女老妇高清| 99视频精品全部免费 在线| 91在线精品国自产拍蜜月| 午夜视频国产福利| 大码成人一级视频| 男女午夜视频在线观看 | 建设人人有责人人尽责人人享有的| 国产福利在线免费观看视频| 亚洲精品国产av成人精品| 色94色欧美一区二区| 久久99热这里只频精品6学生| 亚洲丝袜综合中文字幕| 国产男人的电影天堂91| 一个人免费看片子| av免费在线看不卡| 黑人巨大精品欧美一区二区蜜桃 | 99热6这里只有精品| 22中文网久久字幕| 2021少妇久久久久久久久久久| 久久精品人人爽人人爽视色| 亚洲色图综合在线观看| 亚洲性久久影院| 久久热在线av| 80岁老熟妇乱子伦牲交| 国产精品三级大全| 美女中出高潮动态图| 国产欧美另类精品又又久久亚洲欧美| 男女午夜视频在线观看 | 欧美亚洲日本最大视频资源| 国产极品天堂在线| 侵犯人妻中文字幕一二三四区| 天天操日日干夜夜撸| 亚洲精品日本国产第一区| 免费女性裸体啪啪无遮挡网站| 精品国产国语对白av| 久久久久久久久久人人人人人人| 日日摸夜夜添夜夜爱| 久久鲁丝午夜福利片| 免费大片18禁| 亚洲,欧美,日韩| 黄色怎么调成土黄色| 高清视频免费观看一区二区| 精品第一国产精品| 熟女av电影| 久久热在线av| 中国美白少妇内射xxxbb| 国产高清国产精品国产三级| 亚洲人成网站在线观看播放| 激情五月婷婷亚洲| 国产不卡av网站在线观看| www.熟女人妻精品国产 | 十分钟在线观看高清视频www| 国产在线一区二区三区精| 国产欧美日韩综合在线一区二区| 黄色 视频免费看| 日韩中字成人| 日韩制服丝袜自拍偷拍| 国产成人91sexporn| 亚洲国产精品国产精品| 亚洲国产av影院在线观看| videos熟女内射| 亚洲精品色激情综合| 国产xxxxx性猛交| 少妇的逼好多水| 久久这里有精品视频免费| 亚洲精品国产色婷婷电影| kizo精华| 日本爱情动作片www.在线观看| 亚洲精品美女久久av网站| 一区二区三区四区激情视频| 性高湖久久久久久久久免费观看| 亚洲成人手机| 大陆偷拍与自拍| 欧美 亚洲 国产 日韩一| 国产免费一级a男人的天堂| 午夜激情av网站| 视频在线观看一区二区三区| 国产精品国产三级国产专区5o| 亚洲天堂av无毛| 亚洲美女搞黄在线观看| 亚洲av.av天堂| 国产成人精品一,二区| 一级a做视频免费观看| 久久亚洲国产成人精品v| 在线观看美女被高潮喷水网站| www.av在线官网国产| 亚洲国产最新在线播放|