基于改进RBF神经网络的无线通信网络安全态势感知方法

摘要

随着5G和物联网技术的快速发展，无线通信网络面临日益复杂的安全威胁，传统安全态势感知方法已难以应对动态攻击模式。为此，本研究提出了一种基于动态注意力改进径向基函数(DA-RBF)神经网络的无线通信网络安全态势感知方法。首先，引入高斯函数设计非线性改进余弦相似度，并结合温度系数对特征空间投影进行优化，以此提升特征的区分度。其次，利用状态-攻击联合矩阵融合网络状态特征与攻击行为特征，借助Hadamard积实现特征交互，进而提升对关键路径威胁的敏感度。最后，通过参数历史保留与梯度方向优化策略，提升模型对威胁感知的鲁棒性。实验表明：在加拿大网络安全研究所-入侵检测系统(CIC-IDS)2017数据集上，DA-RBF的检测准确率达到92.3%,误报率降低至1.2%,相较现有方法，检测延迟缩短40%以上，同时保持较低的计算开销，本方法为实时安全防护提供了新思路。

关键词

径向基函数(RBF)神经网络 / 安全态势感知 / 无线通信 / 动态攻击检测