基于多模态模型的网络安全态势评估

摘要

针对现有网络安全态势评估模型存在单一模态数据特征提取不全面和网络安全数据分布极度不平衡的问题，提出一种集成不平衡数据集采样器与多模态特征融合的评估模型。首先，设计不平衡数据集采样器，动态计算样本权重并引入平衡因子，实时调整训练样本分布，保障少数类样本充分学习；其次，构建多模态模型架构：一维分支采用改进的并行特征提取网络(PFEN)与多尺度时间卷积网络(MsTCN),增强局部特征提取与长时序依赖捕捉能力；二维分支提出改进的空间不对称融合网络(SAFN),强化空间特征挖掘；最后，融合一维时序特征与二维空间特征生成综合特征向量，结合攻击因子构建量化评分体系完成态势评估。实验结果表明，在网络安全实验室知识发现(NSL-KDD)数据集上，所提模型相较于对比模型，少数类召回率提升25.00%～66.19%,整体召回率与F1值分别提升4.02%～10.54%,2.60%～9.02%,验证了方法的有效性。

关键词

网络安全态势评估 / 多模态特征融合 / 不平衡数据集 / 并行特征提取