传统网络安全攻击的识别和评估模型在进行网络安全态势评估的过程中会因为各种因素的影响而出现评估灵敏度较低的情况，直接影响网络安全态势评估的结果，同时也会与实际情况产生一定的差异。本文所设计的网络态势感知系统采用了时间因子和复合CNN结构相结合的方式，同时通过将卷积分解神经网络与深度可分解卷积神经网络结合的形式来设计了复合CNN结构，实现将一维网络数据转化为二维矩阵，然后采用灰度值方式载入到神经网络模型中，有效发挥卷积神经网络(CNN)的优势。然后通过时间因子将数据的时间关系进行充分应用，让网络对具备时序关系的原始数据和融合数据进行同时学习，实现提升模型的特征提取能力。同时通过时间因子和点卷积来进行时序数据空间映射的建立，进一步提升整个安全态势感知模型的完整性。
万方数据
维普
