智慧城市建設中網(wǎng)絡信息安全態(tài)勢感知優(yōu)化及其應用研究

摘要：在智慧城市建設中，網(wǎng)絡環(huán)境復雜且安全威脅具有隱蔽性，導致態(tài)勢感知優(yōu)化檢出率低。因此，文章設計了一種智慧城市建設中網(wǎng)絡信息安全態(tài)勢感知優(yōu)化方法。該方法首先對網(wǎng)絡環(huán)境進行預處理，以提取關鍵的安全態(tài)勢感知特征，這些特征能反映網(wǎng)絡安全狀況；其次，結合先進算法和技術，構建網(wǎng)絡信息安全態(tài)勢感知優(yōu)化模型，實現(xiàn)網(wǎng)絡安全的感知和評估；最后，通過該模型的運行，實現(xiàn)安全態(tài)勢感知的優(yōu)化。實驗結果表明，文章方法在感知能力上優(yōu)勢顯著，優(yōu)化檢出率峰值為82%，有效拓展網(wǎng)絡信息安全態(tài)勢感知范圍并控制感知誤差，為實際應用提供有力支撐。

關鍵詞：智慧城市建設；網(wǎng)絡信息；信息安全；態(tài)勢感知；優(yōu)化

中圖分類號：TN915.08 文獻標志碼：A

0 引言

智慧城市運用先進信息技術優(yōu)化城市管理。其中，網(wǎng)絡信息安全態(tài)勢感知起到關鍵作用，它能夠實時動態(tài)監(jiān)測、分析網(wǎng)絡中的安全狀況，預警潛在風險，保障智慧城市信息系統(tǒng)安全。面對復雜的網(wǎng)絡攻擊，錢宗斌［1］提出SVM算法改進策略，包括優(yōu)化核函數(shù)選擇、改進參數(shù)調整方法、引入多分類策略等實現(xiàn)態(tài)勢感知。鐘云勝［2］提出網(wǎng)絡攻擊數(shù)據(jù)清洗，利用信息增益進行特征選擇，提高網(wǎng)絡安全管理效率。但2種方法預警精度不足，難以滿足需求。因此，文章提出智慧城市建設中網(wǎng)絡信息安全態(tài)勢感知優(yōu)化及其應用研究，該研究引入先進技術和算法［3］構建安全態(tài)勢感知系統(tǒng)，提升安全防護能力。

1 預處理網(wǎng)絡信息安全態(tài)勢感知環(huán)境

為確保感知環(huán)境無不良影響，該研究須對信息安全態(tài)勢感知環(huán)境進行處理。在處理中，文章建立有向傳感邏輯，并嵌入報警編碼規(guī)則和結構，構建可控神經(jīng)網(wǎng)絡［4］。

在感知邏輯神經(jīng)網(wǎng)絡中評估網(wǎng)絡環(huán)境，文章分析網(wǎng)絡架構、安全協(xié)議、訪問控制識別隱患。該研究優(yōu)化網(wǎng)絡環(huán)境，配置資源和策略，提升網(wǎng)絡穩(wěn)定性。

假設文章告警編碼是n維向量A=（a1，a2，…，an），元素a為告警編碼屬性。將其轉化為m維的矩陣執(zhí)行向量M=（m1，m2，…，mn）。該研究利用數(shù)據(jù)信息，獲取網(wǎng)絡信息安全態(tài)勢感知的迭代數(shù)：

式中：d為標準迭代數(shù)，κ為感知范圍，e為感知告警距離，i為預設態(tài)勢感知次數(shù)，y為網(wǎng)絡信息威脅環(huán)境。

2 提取網(wǎng)絡信息安全態(tài)勢感知特征

該研究在提取網(wǎng)絡信息安全態(tài)勢感知特征時需分析核心要素，監(jiān)測和解析網(wǎng)絡行為數(shù)據(jù)。在城市建設中，該研究為強化ARP協(xié)議的安全性，須構造ARP協(xié)議并設置應答包地址為MAC。文章采用DPDK技術偽造ARP應答包，并通過輪詢機制高效處理網(wǎng)絡包，連接偽造應答、存儲與緩存功能提升效率。

該研究將網(wǎng)絡信息的相關屬性作為態(tài)勢感知輸入，得出：

X（t）=［x1（t），x2（t），…，xn（t）］（2）

式中：t為特定感知區(qū)間，X（t）為態(tài)勢感知輸出，x1（t）、x2（t）、xn（t）為感知區(qū)問屬性集合。

3 構建網(wǎng)絡信息安全態(tài)勢感知優(yōu)化模型

該研究將威脅單元作為態(tài)勢感知特征的關鍵部分，評估不同網(wǎng)絡模型中的網(wǎng)絡結構，識別潛在威脅，并應用空間感知提升數(shù)據(jù)傳輸安全性。威脅單元為：

T=f（Q，F(xiàn)，I，B）（3）

式中：Q為攻擊強度，F(xiàn)為攻擊頻率，I為潛在影響，f為權重系數(shù)。

該研究中網(wǎng)絡信息安全態(tài)勢感知優(yōu)化模型采用復合結構，該結構能夠提升數(shù)據(jù)搜索與檢索能力。該研究在模型中引入威脅單元評估網(wǎng)絡安全，并通過計算適應度值區(qū)分威脅的好壞。適應度函數(shù)用于量化潛在風險，公式為：

式中：y′i網(wǎng)絡安全態(tài)勢權值，y為網(wǎng)絡安全態(tài)勢的估計權值。各威脅單元間的支持度公式為：

S=P（T1，T2）（5）

式中：P為各威脅單元間的線性相關性，T1、T2為特征向量。兩威脅單元特征向量間夾角余弦值在［-1，1］，值大相似度高，支持度強。網(wǎng)絡信息安全態(tài)勢感知優(yōu)化模型公式為：

4 實現(xiàn)安全態(tài)勢感知優(yōu)化

該研究通過設置感知節(jié)點實現(xiàn)數(shù)據(jù)采集，構建歸一化程序。該程序與網(wǎng)絡信息安全態(tài)勢感知優(yōu)化模型相連，形成高效信息交互機制。與原始數(shù)據(jù)對比辨識感知錯誤，處理過程如圖1所示。

5 實驗測試分析

5.1 實驗準備

為驗證文章方法有效性，該研究須要搭建實驗網(wǎng)絡。文章選150名用戶分5組，控制系統(tǒng)設計10條虛擬威脅指令備用。該研究設定的測定指標和數(shù)值如表1所示。

為驗證文章方法有效性，文章方法與錢宗斌［1］的SVM算法及鐘云勝［2］的決策樹算法的結果進行對比。實驗使用傳感器節(jié)點收集數(shù)據(jù)，構建傳感矩陣處理信息，提取并重構安全態(tài)勢獲得感知特征量和權重。實驗為4個階段：固定感知區(qū)域、檢驗感知水平、分析感知能力、增加感知數(shù)量。通過5組測試評估優(yōu)化方法的性能與優(yōu)勢。

通過分批次下達虛擬信息威脅指令，對數(shù)據(jù)信息分析，態(tài)勢感知檢測率如下：

K=（1－κ）T+κσ（7）

式中：K為優(yōu)化檢出率，σ為已設置最佳偏離。分析對比試驗，結果如圖2所示。

5.2 實驗結果分析

如圖2所示，文章方法感知能力顯著，優(yōu)化檢出率峰值達到了82%，表明檢測率已提升至新水平。經(jīng)4個階段測定，文章方法檢出率高于錢宗斌［1］和鐘云勝［2］的方法，有效擴展感知范圍，并能有力支撐實際應用。

6 結語

在智慧城市建設中，該研究對于網(wǎng)絡信息安全態(tài)勢感知的優(yōu)化與應用研究，提升了城市信息系統(tǒng)的安全防護能力。該研究通過引入先進的數(shù)據(jù)分析技術和算法，有效提升態(tài)勢感知的準確性和實時性，為城 市的安全穩(wěn)定運行提供保障。

參考文獻

［1］錢宗斌.基于改進支持向量機的網(wǎng)絡安全態(tài)勢感知算法［J］.喀什大學學報，2023（6）：71-75.

［2］鐘云勝.基于決策樹算法的網(wǎng)絡信息安全態(tài)勢感知優(yōu)化方法研究［J］.信息與電腦（理論版），2023（6）：239-241.

［3］徐奕.元宇宙時代下智慧圖書館大數(shù)據(jù)安全態(tài)勢感知方法［J］.信息與電腦（理論版），2023（13）：230-234.

［4］李紅杏，戚晗，趙亮，等.基于量子神經(jīng)網(wǎng)絡的網(wǎng)絡安全態(tài)勢感知［J］.沈陽航空航天大學學報，2023（1）：78-85.

Research on situational optimization and application of network information security in smart city construction

Abstract： In the construction of smart cities， the complex network environment and hidden security threats lead to a low detection rate of situational awareness optimization. Therefore， this article proposes an optimization method for network information security situational awareness in the construction of smart cities. Firstly， this method preprocesses the network environment to extract key security situational awareness features that can reflect the network security situation. Then， combining advanced algorithms and technologies， a network information security situational awareness optimization model is constructed to achieve the perception and evaluation of network security. Finally， through the operation of this model， the optimization of security situational awareness is achieved. The experimental results show that the proposed method has significant advantages in perception ability， with an optimized detection rate peak of 82%. It effectively expands the range of network information security situational awareness and controls perception errors， providing strong support for practical applications.

Key words： smart city construction; network information; information security; situational awareness; optimization