《表1 各融合算法的优缺点》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《网络安全态势感知中数据融合算法应用综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据融合技术应用于网络安全态势感知的基础层，算法各有优缺点。贝叶斯网络模型具有强大的数据表达不确定性相关知识、进行不确定性相关知识综合推理的两大优点，使得我们构建的数据模型对网络安全中的态势感知处理系统可以进行更加准确的态势预测和数据分析。D-S证据理论因为在不确定性问题的表述的优点被应用于信息融合、态势感知领域。但是该方法多个证据时存在证据高度冲突的问题。粗糙集理论的优点是从多量异构的数据中找到有效的规则，并将其转化为逻辑规则。网络安全态势评估中态势值具有非线性时间序列的特点，神经网络模型对于处理非线性数据具有很好的优势。但该方法的不可解释性的问题依然是各个研究学者进一步的研究方向。当网络受到威胁时发现攻击者对于网络的攻击具有准确的意图，融合多源异构的网络安全数据，利用HMM模型进行攻击意图的识别，进而获得网络安全的状态。各融合算法的优缺点如表1所示。