[发明专利]电力通信网络安全态势预测方法、装置、设备及存储介质

说明书

本发明公开了一种电力通信网络安全态势预测方法，当获取到电力通信网络中与电力通信网络的安全态势评估对应的第一目标数据，并得出第二目标数据之后，利用RBF神经网络算法建立电力通信网络安全态势预测模型，后期可以根据建立好的预测模型直接对电力通信网络安全态势进行预测，由于RBF神经网络算法收敛速度快且不存在局部极小问题，所以与现有技术中利用BP神经网络模型算法对网络安全态势进行感知和预测相比，可以提高电力通信网络安全态势的预测准确性。另外，本发明还提供了一种电力通信网络安全态势预测装置、设备及存储介质，效果如上。

技术领域

本发明涉及电力通信网络安全领域，特别涉及电力通信网络安全态势预测方法、装置、设备及存储介质。

背景技术

随着信息通信技术及互联网技术的不断演进，电力企业越来越依赖于信息技术。同时电力企业也在努力利用信息技术进行自我完善，但是电力企业在进行自我完善的同时却面临着网络威胁。网络攻击对电力行业所造成的危害极为严重，不仅可能会导致电力运营数据的泄露，而且会导致国家生产经济数据的泄露以及用户身份信息的泄露。

随着网络安全事件的频发，为了能有效预防或减少安全事件所造成的损失，迫切需要能够及时地发现各种针对网络空间安全的实时态势并且预测未来的态势走向，建立面向网络安全事件的快速响应决策机制，这已成为国家的重大需求。目前主要通过BP神经网络模型算法对网络安全态势进行感知和预测，但是因为BP神经网络模型算法适应性不够灵活，收敛速度慢及存在局部极小问题，所以最终会导致网络安全态势的预测准确度低。

由此可见，如何克服利用传统的模型对网络安全态势进行预测导致的预测准确性低的问题是本领域技术人员亟待解决的问题。

发明内容

本申请实施例提供了电力通信网络安全态势预测方法、装置、设备及存储介质，以解决现有技术中如何克服利用传统的模型对网络安全态势进行预测导致的预测准确性低的问题。

为解决上述技术问题，本发明提供了种电力通信网络安全态势预测方法，包括：

获取电力通信网络中与所述电力通信网络的安全态势评估对应的第一目标数据，并对各所述第一目标数据进行预处理以得出第二目标数据；

基于RBF神经网络算法和各所述第二目标数据建立所述电力通信网络安全态势的预测模型；

依据所述预测模型对所述电力通信网络安全态势进行预测。

优选地，在得出各所述第二目标数据之后，还包括：

基于空间数据挖掘理论确定各个时刻所述电力通信网络的安全态势值以形成样本序列；

对应地，所述基于RBF神经网络算法和各所述第二目标数据建立所述电力通信网络安全态势的预测模型具体为：

基于所述RBF神经网络算法和所述样本序列建立所述预测模型。

优选地，所述基于空间数据挖掘理论确定各个时刻所述电力通信网络的安全态势值以形成样本序列具体包括：

计算所述电力通信网络中主机自身的安全攻击影响值；

计算所述电力通信网络的空间权重矩阵；

依据所述空间权重矩阵计算所述主机被影响的安全态势影响值；

计算所述主机在所述电力通信网络中的权重；

依据所述安全攻击影响值、所述安全态势影响值和所述权重计算各所述安全态势值以形成所述样本序列。

优选地，所述基于所述RBF神经网络算法和所述样本序列建立所述预测模型具体包括：

将所述样本序列分成两部分，一部分作为训练样本，一部分作为测试样本；