摘要
安全态势预测对确保工业互联网平稳可靠运行至关重要。传统的预测模型在面对工业生产过程中产生的海量、高维和时间序列数据时，难以准确、高效地对网络安全态势进行预测，因此提出一种融合注意力机制和双向简单循环单元（BSRU，bi-directional simple recurrent unit）的工业互联网安全态势预测方法，以满足工业生产的实时性和准确性要求。对各安全要素进行分析和处理，使其能反映当前网络状态，便于态势值的求取。使用一维卷积网络提取各安全要素之间的空间维度特征，保留特征间的时间相关性。利用BSRU网络提取信息之间的时间维度特征，减少历史信息的丢失，同时借助 SRU 网络强大的并行能力，减少模型的训练时间。引入注意力机制优化 BSRU 隐含状态中的相关性权重，以突出强相关性因素，减少弱相关性因素的影响，实现融合注意力机制和BSRU的工业互联网安全态势预测。对比实验结果显示，该模型较使用双向长短期记忆网络和双向门控循环单元的预测模型，在训练时间和训练误差上分别减少了 13.1%和 28.5%；相比于没有使用注意力机制的卷积和BSRU网络融合模型，训练时间虽增加了2%，但预测误差降低了28.8%；在不同预测时长下该模型的预测效果优于其他模型，实现了在时间性能上的优化，使用注意力机制在增加少量时间成本的前提下，提升了模型的预测精度，能够较好地拟合网络安全态势发展，且模型在多步预测上存在一定的优势。
关键词： 工业互联网 ; 注意力机制 ; 简单循环单元 ; 安全态势
0 引言
随着一些低时延、高可靠的新型网络基础设施在工业领域的应用，互联网在工业领域迅速普及。高速、智能的工