{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,9,13]]，“日期-时间”：“2024-09-13T10:37:19Z”，“时间戳”：1726223839968}，“引用-计数”：55，“出版商”：“牛津大学出版社（OUP）”，“问题”：“2”，“许可证”：[{“开始”：{-date-parts“：[2022,24]]，”日期-时间“：“2022-02-24T00:00:00Z”，“时间戳”：1645660800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://ademicial.oup.com/journals\/pages\/open_access\/funder_policies//chorse\/standard_publication_model”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，”shortcontainer-title“：[]，”published-print“：{”date-parts“：[2023,30]}，“摘要”：“摘要<\/jats:title>新技术和先进技术的使用带来了新类型的安全威胁和安全事件。他们的数量不断增加。当前的趋势是从被动活动转向主动活动。因此，组织应该了解当前的安全局势，包括对未来状态的预测。组织，特别是其安全运营中心的主要目标是处理事件，识别潜在的安全事件，并有效预测网络安全态势感知（NSSA）。在本文中，我们着重于提高这部分网络安全的利用效率。本文的主要目的是比较选定的统计模型和基于神经网络的模型，以找出哪些模型更适合NSSA预测。基于本文提供的分析，在NSSA预测中，神经网络方法证明了一种比经典统计预测模型更准确的替代方法。此外，本文还分析了时间序列的选择标准和适用性，时间序列不仅反映了安全事件总数的信息，而且代表了一类安全事件（如侦察扫描）、端口或协议<\/jats:p>“，”DOI“：”10.1093\/jigpal\/jzac024“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,1,25]]，”date-time“：”2022-01-25T20:14:25Z“，”timestamp“：1643141665000}，”page“：“352-374”，“source”：“Crossref”，“is-referenced-by-count”：8，“title”：[“基于统计方法和神经网络的网络安全态势感知预测”]，“前缀“：”10.1093“，”volume“：”31“，”author“：[{”given“：“Pavol”，”family“：”Sokol“，”sequence“：”first“，”affiliation“：[}”name“：”科学院计算机科学研究所，Pavol Jozef\u0160af\u00e1rik University in Ko\u0161ice，Jesenn\u00e1 5，04001，Ko\u161ice，Slovakia“}]}，{”riven“given”：“Richard”，“family”：“Sta\u0148a”，“sequence”：“附加”，“affiliation“：[{“name”：“科学院计算机科学研究所，Pavol Jozef\u0160af\u00e1rik University in Ko\u0161ice，Jesen\u00e 5，04001，Ko\u061ice，Slovakia”}]}，{“given”：“Andrej”，“family”：“Gajdo\u0161”，“sequence”：“additional”，“affiliation:[{”name“：”科学院数学研究所Pavol Jozef \u0160af\u00e1rik University in Ko\u0161ice，Jesen \u00e 1 5，04001，Ko\u20161ice，Slovakia“}]}，{”given“：”Patrik“，”family“：”Pekar \u010d\u00edk“，“sequence”：“additional”，“affiliation”：[{“name”：“斯洛伐克Ko\u0161ice，Jesenn\u00e1 5，04001，Ko\u0161ice，Pavol Jozef\u0160af\u00e1rik大学理学院计算机科学研究所，“成员”：“286”，“在线发布”：｛“日期部分”：[[2022,24]]｝，“参考”：[｛“密钥”：“2023033115513928900_”，“doi断言者”：“crossref”，“首页”：“155”，“doi”：“10.1007\/978-3-319-44257-0_7“，”article-title“：“入侵预测系统”，”volume-title”：“网络安全分析信息融合”，”author“：”Abdlhamed“，”year“：”2017“}，{”key“：”2023033115513928900_“，”doi-asserted-by“：”crossref“，”first page“：“99”，”doi“：”10.1145\/3320051.332079“，”article-titel“：”入侵检测系统和多传感器数据融合”，“卷”：“43”，“作者”：“巴斯”，“年份”：“2000”，“日志标题”：“ACM的通信”}，{“密钥”：“202303311513928900_”，“文章标题”：”带权重和偏差的实验跟踪“，“作者“：”比瓦尔德“，”年份“：”2020“}，}“密钥“：”20230331513928900_“，”卷时间“：”时间序列分析：预测与控制”，“作者”：“方框”，“年份”：“2015”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“volume-title”：“时间序列与预测简介”，“author”：“Brockwell”，“year”：“2016”，“doi”：“10.1007\/978-3319-29854-2”}时间序列预测的深度学习：用MLP预测未来”，“卷标题”：“Python中的CNN和LSTM”，“作者”：“Brownlee”，“年份”：“2018”}，｛“密钥”：“2023033115513928900_”，“doi断言”：“crossref”，“首页”：“2823”，“doi”：“10.1109\/BigData.205.7364089”，“文章标题”：“基于lstm的股票收益预测方法：以中国股市为例走向主动、自适应防御：关于移动目标防御的调查”，“卷”：“22”，“作者”：“Cho”，“年份”：“2020年”，“新闻标题”：“IEEE通信调查和教程”}，{“关键”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“首页”：“357”，“doi”：“10.1080\/0099655.2013.823612”，“文章时间序列预测”volume“：”85“，”author“：”Christopu“，”year“：”2015“，”journal-title“：”journal of Statistical Computation and Simulation“}，{“key”：“202303311513928900_”，“first-page”：“77”，“article-title”：“使用时间序列模型分析计算机安全事件数据”，“volume-title（卷-标题）”：“软件可靠性工程，2008。ISSRE 2008。第19届国际研讨会”，“作者”：“Condon”，“年份”：“2008”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“首页”：“289”，“doi”：“10.1057\/jors.1972.50”，“article-title”：“间歇需求的预测和库存控制”，“volume”:“23”，“author”：“Do”，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：”134“，“doi”：“10.1198\/073500102753410444”，“article-title”：“比较预测准确度”，“volume”:“20”，“author”：“Diebold”，”year“2002”，“journal-title“：”journal of Business&Economic Statistics“}，{”key“：”202303315513928900__“，”article-title“：“multmdm:Diebold\u2013Mariano检验的多元版本”，“author”：“Drachal”，“year”：“2018”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：《789》，“doi”：“10.1109”，NAECON.198.195097，“article-title”：“态势感知全球评估技术（sagat）”，“volume-title“：“IEEE 1988年国家航空航天和电子会议论文集”，“作者”：“Endsley”，“年份”：“1988”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：”1“，“doi”：“10.1186\/s13635-019-0090-6”，“article-title”：“预测网络攻击率的深度学习框架”，“volume”：，“journal-title”：“EURASIP journal on Information Security”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“doi”：“10.1108\/IJICC-06-2017-0066”，“article-title“：“基于带门控递归单元的递归神经网络预测网络安全状况的新方法”，“author”：“Feng”，“year”：“2018”，“jordal-tittle”：“国际智能计算与控制论杂志”}，{“key”：“202303311513928900_”，“article-title”：“田纳西-伊士曼过程基于Rnn的早期控制攻击检测”，“author”：“Filonov”，“year”：“2017”}：“带网络攻击模拟的多元工业时间序列：使用基于lstm的预测数据模型进行故障检测”，“作者”：“Filonov”，“年份”：“2016”}，{“关键”：“202303311513928900_”，“首页”：“324”，“文章时间”：“使用lstm和gru神经网络方法进行交通流预测”，“体积时间”：“2016年中国自动化协会第三十一届青年学术年会”，“author”：“Rui”，“year”：“2016”}，{“key”：“202303311513928900_”，“article-title”：“从网络源中发现信号预测网络攻击”，“author”:“Goyal”，“year”:“2018”}：“10.1007\/978-3-319-64701-2_8”，“article-title”：“基于混合小波的神经网络模型，使用modwt和hurst指数分析进行网络安全态势预测”，“volume-title“：“网络与系统安全国际会议”，“author”：“He”，“year”：“2017”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，”first page“517”，“DOI”：“10.1016\/j.future.2020.10.006”，“article-title”：“网络防御中的预测方法：当前经验和研究挑战”，“volume”：“115”，“author”：“Hus\u00e1k”，“year”：“2021”，“journal-title“：“future Generation Computer Systems”}，{“key”：：“10.1109\/COMST.2018.2871866”，“article-title”：“网络安全中攻击预测和预测的调查”，“volume”：“21”，“author”：“Hus\u00e1k”，“year”：“2018”，“journal-title“：”IEEE Communications Surveys&Tutorials“}，{“key”：”2023033115513928900_“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.dib.2020.106530“，”article-title“：“来自共享平台的入侵检测警报数据集”，“卷”：“33”，“作者”：“Hus\u00e1k”，“年份”：“2020”，“日志标题”：“简要数据”}，{“键”：“202303311513928900_”，“文章标题”：《预测：原则与实践》，“作者“：“Hyndman”，“年”：“2018”，“日记标题”：”OTexts“}，}“键“：”202303315513928900__“，”卷时间“：“预测的自动时间序列：R.Number 6的预测包”，“author”：“Hyndman”，“year”：“2007”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：《679》，“doi”：“10.1016\/j.ijforecast.2006.03.001”，“article-title”：“预测准确性的另一种衡量方法”，“volume”：”22“，“author”：“Hindman”，“年份”：“2006”，“journal-title”：“International journal of Forecasting”}，{“key”：“202303311513928900_”，“article-title）：“Idea:security event taxonomy mapping”，“volume-title“：“18th International Conference on Circuits，Systems，Communications and Computers”，“author”：“Kacha”，“year”：“2014”}：“Warden 3:安全事件交换重新设计”，“volume-title”：“第19届国际计算机会议：计算机科学的最新进展”，“author”：“Kacha”，“year”：“2015”}，{“key”：“202303311513928900_”，“article-title“：“使用相同数据的不同表示，使用特征融合lstm-cnn模型预测股票价格”，“volume”：”14“，“author”：“Kim”，“year”：“2019”，“journal-title”：“PLoS One”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first-pages”：“222”，“doi”：“10.1007 \/s11390-008-9124-0”，《article-title》：“基于Wnn的网络安全态势定量预测方法及其优化”，“volume”：：“Journal of Computer Science and Technology”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first-page”：“1”，“doi”：“10.1109\/BlackSeaCom.2019.8812818”，“article-title”：“使用gru神经网络在自动过程控制系统中进行网络攻击检测”，“volume-title“：“2019 IEEE国际黑海通信与网络会议（BlackSeaCom）”，“作者”：“Lavrova”，“年份”：“2019}，{“密钥”：“202303311513928900_”，“首页”：“424”，“文章标题”：“网络安全形势预测：回顾与讨论”，“卷标题”：“软计算、智能系统和信息技术国际会议”，“author”：“Leau”，“year”：“2015”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first-page”：“37”，“doi”：“10.1109\/ICICIC.2008.436”，“article-title”：“基于Pso-bpnn的网络安全形势预测”，“volume-title”：“2008第三届创新计算信息与控制国际会议”，“作者”：“林”，“年份”：“2008”}，{“关键”：“2023033115513928900_”，“doi断言”：“crossref”，“doi”：“10.1371\/journal.pone.0194889”，“文章标题”：“统计和机器学习预测方法：关注点和前进方向”，“卷”：“13”，“作者”：“Makridakis”，“年份”：“2018年”，“新闻标题”：“PLoS One”}，{“key”：“202303311513928900_”，“article-title”：“异常检测原理和算法”，“volume-title“：“恐怖主义、安全和计算”，“author”：“Mehrotra”，“year”：“2017年”}，“年份”：“2019”}，{“密钥”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“首页”：“2563”，“doi”：“10.1145\/3133956.3138834”，“文章标题”：“海报：非常规资源威胁的网络攻击预测（捕获）”，“卷标题”：《2017年ACM SIGSAC计算机与通信安全会议论文集》，“作者”：“Okutan”，“年份”：“2017年”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“首页”：“2098”，“doi”：“10.1007\/s11227-017-2228-y”，“article-title”：“股市预测的创新神经网络方法”，“volume”：”76“，“author”：“Pang”，“year”：“2020”，“journal title”：“首页”：“546”，“article-title”：“基于时间序列的安全警报预测”，“volume-title“：“混合人工智能系统国际会议”，“author”：“Pekar\u010d\u00edk”，“year”：“2020”}，{“key”：“2023033115513928900_”，“doi-asserted-by”：“crossref”，“first page”：”1“，“doi”：“10.1109”\/NSITNSW.2015.7176399”，“article-title”：“使用garma和arma模型对通信系统中的入侵进行预测建模”，“volume-title”：“2015年第五届全国信息技术研讨会：迈向新的智能世界（NSITNSW）”，“author”：“Pillai”，“year”：“2015}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first-page”：“84”，“doi”：“10.1145\/3371704”，“article-title”：“基于时间序列的工业互联网安全形势组合预测方法”，“volume-title“：“2019年第九届通信与网络安全国际会议论文集”，“author”：“Qi”，“year”：“2019}”，{“key”：“202303311513928900_”，“first page”：”360“article-title：“基于时间序列建模的蜜网攻击预测”，“volume-title”：“系统和软件中计算方法的进展”，“author”：“Sokol”，“year”：“2017”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：”1“，“doi”：“10.1109\/EUROCON.2015.7313713”，“article-title“：“利用蜜罐和蜜网进行攻击的研究——从面向时间的可视化中吸取的教训”，“卷时间”：“IEEE国际计算机会议（EUROCON）”，“作者”：“Sokol”，“年份”：“2015年”}，{“密钥”：“202303311513928900_”，“首页”：“71”，“文章时间”：“基于协方差似然神经网络的网络安全态势预测建模与分析”，“volume-title”：“智能计算国际会议”，“author”：“Tang”，“year”：“2011”}，{“key”：“2023033115513928900_”，“doi-asserted-by”：“crossref”，“first-page:”1“doi”：“10.1109”，THS.2018.8574185“article-title“：“将网络攻击预测为具有不同聚合粒度的时间序列”，“卷标题”：“2018 IEEE国际国土安全技术研讨会（HST）”，“作者”：“Werner”，“年份”：“2018”}，｛“密钥”：“2023033115513928900_”，“doi断言”：“crossref”，“首页”：“18”，“doi”：“10.1145\/30684143064831”，“文章标题”：“网络攻击强度的时间序列预测”，“volume-title”：“第十二届网络与信息安全研究年会论文集”，“author”：“Werner”，“year”：“2017”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：”58“，“doi”：“10.1109\/ISI.2018.8587350”，“article-title“：“利用日内时间变化预测日常网络攻击活动”，“volume-title”：“2018 IEEE智能与安全信息学国际会议（ISI）”，“author”：“Werner”，“year”：“2018”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：《2856》，“doi”：“10.1109\/TIFS.2018.2834227”，“artic-title“：“建模和预测网络黑客攻击”，“卷”：“13”，“作者”：“茅巢”，“年份”：“2018”，“期刊标题”：“IEEE信息取证与安全事务”}，{“密钥”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“首页”：“239”，“doi”：“10.1007\/978-3-19-11391-3_12”，“article-title”：“攻击投影”，“volume-title“：“网络防御和态势感知”，“作者”：“Yang”，“年份”：“2014”}，{“密钥”：“2023033115513928900_”，“doi断言”：“crossref”，“首页”：“1666”，“doi”：“10.1109\/TIFS.2015.2422261”，“文章标题”：“用极值预测网络攻击率”，“卷”：“10”，“作者”：“詹”，“年份”：“2015”，“期刊标题”：“IEEE Transactions on Information Forensis and Security”}，{“key”：“202303311513928900_”，“doi-asserted-by”：“crossref”，“first page”：”139“，“doi”：“10.1016\/j.dcan.2016.06.003”，“article-title”：“基于优化参数小波神经网络的网络安全态势预测模型”，“volume”:“2”，“author”：“Zhang”，“year”：“2016”，“journal-title”：“Digital Communications and Networks”}，{“key”：“202303311513928900_”，“first-page”：“659”，“article-titel”：“基于bp和rbf神经网络的网络安全态势预测”，“volume-title“：“可信计算与服务国际会议”，“author”：“Zhang”，“year”：“2012”}，“doi-asserted-by”：“crossref”，“first page”：“68”，“doi”：“10.1049\/iet-its.2016.0208”，“article-title”：“Lstm网络：短期交通预测的深度学习方法”，“量”：“11”，“作者”：“Zhao”，“年份”：“2017”，“新闻标题”：“iet智能交通系统”}，{“关键字”：“202303311513928900_”，“首页”：“632”，“文章标题”：“网络安全态势自主意识策略”，“卷时间”：“网络计算与信息安全国际会议”，“作者”：“郑”，“年份”：“2012”}]，“容器时间”：[“IGPL逻辑杂志”]，“原文标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/actical.oup.com/jigpal\/article-pdf\/31\/2\/352\/49705869\/jzac024.pdf”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“syndication”}，{“URL”：“http:\/\/cademicial.oup.com\/gigpal\/article-pdf \/31\\/2\/352 \/497005869\/jzac02.pdf”type“：”unspecified“，”content-version“：”vor“，”intended-application“：“相似性检查”}]，“存放”：{“日期部分”：[[2023,11,16]]，“日期时间”：“2023-11-16T08:03:35Z”，“时间戳”：1700121815000}，“分数”：1，“资源”：{“主要”：{:“URL”：“https:\/\/cademicial.oup.com\/jigpal\/article\/31\/2352\/6534495”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2022,2,24]]}，”引用计数“：55，”日志发布“用法：{“issue”：“2”，“published-online:{“date-parts”：[[2022,2,24]]}，“publised-print”：{”date-part“：[[2023,3,30]]}}，”URL“：”http://\/dx.doi.org\/10.1093\/jigpal\/jzac024“，”relation:{}“，”ISSN:[“1367-0751”，“1368-9894”]，“ISSN-type”：[{“value”：“1367-051”，“”type“：”print“}，{”value“：“1368-9894”，“type”：“electronic”}]，“subject”：[]，“published-other”：{“date-parts”：[[2023,4]]}，“已发布”：{“日期部分”：[[2022,2,24]]}}}