一种基于MSCPO-BiGRU的智慧水利网络安全态势预测方法

夏卓群; 周子豪; 邓斌; 康琛

doi:10.11907/rjdk.251033

您当前的位置：

首页 >

文章列表页 >

一种基于MSCPO-BiGRU的智慧水利网络安全态势预测方法

人工智能 | 更新时间：2026-04-30

- 一种基于MSCPO-BiGRU的智慧水利网络安全态势预测方法
- A Network Security Situation Prediction Method for Intelligent Water Conservancy Based on MSCPO-BiGRU
- 软件导刊 2026年25卷第4期页码：89-97
- 作者机构：
  
  1.长沙理工大学计算机与通信工程学院
  2.长沙理工大学水利与环境工程学院
  3.湖南省水旱灾害防御事务中心网信技术部，湖南长沙 410000
- 作者简介：
  
  夏卓群（1977-），男，博士，长沙理工大学计算机与通信工程学院教授，研究方向为网络安全
  周子豪（1999-），男，长沙理工大学计算机与通信工程学院硕士研究生，研究方向为网络安全。
- 基金信息：
  
  湖南省水利厅科技基金项目(XSKJ2023059-40)
- DOI：10.11907/rjdk.251033
  中图分类号： TP183
- 收稿：2025-03-11，
  
  纸质出版：2026-04-15
- 稿件说明：
移动端阅览
夏卓群,周子豪,邓斌等.一种基于MSCPO-BiGRU的智慧水利网络安全态势预测方法[J].软件导刊,2026,25(04):89-97.

XIA Zhuoqun,ZHOU Zihao,DENG Bin,et al.A Network Security Situation Prediction Method for Intelligent Water Conservancy Based on MSCPO-BiGRU[J].Software Guide,2026,25(04):89-97.
夏卓群,周子豪,邓斌等.一种基于MSCPO-BiGRU的智慧水利网络安全态势预测方法[J].软件导刊,2026,25(04):89-97. DOI： 10.11907/rjdk.251033.

XIA Zhuoqun,ZHOU Zihao,DENG Bin,et al.A Network Security Situation Prediction Method for Intelligent Water Conservancy Based on MSCPO-BiGRU[J].Software Guide,2026,25(04):89-97. DOI： 10.11907/rjdk.251033.

摘要

智慧水利是国家关键信息基础设施的核心行业与关键领域，对其网络安全态势预测技术进行研究可有效提升行业整体的安全防护能力与风险预警水平。为解决智慧水利网络安全态势预测的复杂性和多变性问题，提出一种基于双向门控循环单元（BiGRU）与多种群混沌粒子优化算法（MSCPO）的预测方法。首先，采用MSCPO算法寻优BiGRU的超参数，包括迭代次数、学习率和隐含层节点数；其次，使用优化后的BiGRU单元进行态势预测。在SWaT数据集上的实验结果表明，所提方法的均方误差为0.002 8，平均绝对误差为10.97%，决定系数为0.916 1。与传统算法相比，所提方法的预测准确性和稳定性更高，可为智慧水利网络安全建设提供有效支撑。

Abstract

Intelligent water conservancy serves as the core industry and key field of national key information infrastructure. Research on its network security situation prediction technology can effectively enhance the industry's overall security protection capability and risk early-warning level. To address the complexity and variability in predicting the security situation of intelligent water conservancy networks， a prediction method based on Bidirectional Gated Recurrent Unit （BiGRU） and Multi-Swarm Chaotic Particle Optimization Algorithm （MSCPO） is proposed. This method first employs the MSCPO algorithm to optimize the hyperparameters of BiGRU， including the number of iterations， learning rate， and number of hidden layer nodes. Subsequently， the optimized BiGRU unit is used for situation prediction. Experimental results on the SWaT dataset demonstrate that the proposed method achieves a mean square error of 0.002 8， an average absolute error of 10.97%， and a determination coefficient of 0.916 1. Compared with traditional algorithms， the proposed method exhibits higher prediction accuracy and stability， providing effective support for the construction of intelligent water conservancy network security.

关键词

Keywords

references

ZHANG C ， FANG Z G ， GUO R . Construction of a network security technology system for smart water conservancy ［J］. China Water Resources ， 2023 （ 11 ）： 41 - 44 .

张潮，房志刚，郭冉 . 面向智慧水利的网络安全技术体系构建［J］. 中国水利， 2023 （ 11 ）： 41 - 44 .

JIA K ， WANG L H ， LIU D . Preliminary exploration on the construction of Yangtze river hydrological network security situation awareness system ［J］. Express Water Resources & Hydropower Information ， 2021 ， 42 （ 3 ）： 79 - 84 .

贾克，王立海，刘迪 . 长江水文网络安全态势感知系统构建初探［J］. 水利水电快报， 2021 ， 42 （ 3 ）： 79 - 84 .

LI Y J ， ZHANG J ， YANG X ， et al . Discovery of cyber security threats in water conservancy based on situation awareness ［C］// Proceedings of the 2020 （8th） China Water Resources Informatization Technology Forum ， 2020 ： 328 - 334 .

李元杰，张瑾，杨旭，等 . 基于态势感知的水利网络安全威胁发现［C］// 2020年（第八届）中国水利信息化技术论坛论文集， 2020 ： 328 - 334 .

HU C ， LIU G ， LI M . A network security situation prediction method based on Attention-CNN-BiGRU ［C］// 2022 IEEE 25th International Conference on Computer Supported Cooperative Work in Design ， 2022 ： 257 - 262 . doi: 10.1109/cscwd54268.2022.9776030 http://dx.doi.org/10.1109/cscwd54268.2022.9776030

YANG A M ， XIE B S ， LIU Y K ， et al . A network security situation prediction for consumer data in the internet of things using variational mode decomposition （VMD） and fused CNN-BiLSTM-attention ［J］. IEEE Transactions on Consumer Electronics ， 2024 ， 70 （ 1 ）： 1122 - 1133 . doi: 10.1109/tce.2023.3323546 http://dx.doi.org/10.1109/tce.2023.3323546

CAO B ， LI C H ， FAN X S ， et al . A network security situation prediction method integrating TCN and GRU ［J/OL］. Journal of Small & Microcomputer Systems ， 2025-01-13 ， https：//doi.org/10.20009/j.cnki.21-1106/TP.2022-0027 https://doi.org/10.20009/j.cnki.21-1106/TP.2022-0027 .

曹波，李成海，范晓诗，等 . 融合TCN和GRU的网络安全态势预测方法［J/OL］. 小型微型计算机系统， 2025-01-13 ， https：//doi.org/10.20009/j.cnki.21-1106/TP.2022-0027 https://doi.org/10.20009/j.cnki.21-1106/TP.2022-0027 .

WANG D J ， FU Z ， WU Y . Information network security situation prediction method based on particle swarm optimization ［C］// 2023 2nd International Conference on Artificial Intelligence and Autonomous Robot Systems （AIARS）， 2023 ： 135 - 139 . doi: 10.1109/aiars59518.2023.00034 http://dx.doi.org/10.1109/aiars59518.2023.00034

CHEN G . Multimedia security situation prediction based on optimization of radial basis function neural network algorithm ［EB/OL］. https：//onlinelibrary.wiley.com/doi/10.1155/2022/6314262 https://onlinelibrary.wiley.com/doi/10.1155/2022/6314262 . doi: 10.1155/2022/6314262 http://dx.doi.org/10.1155/2022/6314262

DU J ， XIU L ， TAO F . Network security situation prediction based on optimized clock-cycle recurrent neural network for sensor-enabled networks ［J］. Sensors ， 2023 ， 23 （ 13 ）： 6087 . doi: 10.3390/s23136087 http://dx.doi.org/10.3390/s23136087

HU J ， MA D ， LIU C ， et al . Network security situation prediction based on MR-SVM ［J］. IEEE Access ， 2019 （ 7 ）： 130937 - 130945 . doi: 10.1109/access.2019.2939490 http://dx.doi.org/10.1109/access.2019.2939490

CAO Q . Design and application of intelligent operation center system for large-scale water diversion project ［J］. Water Resources Informatization ， 2022 （ 1 ）： 65 - 70 .

曹倩 . 大型调水工程智能运行中心系统设计与应用［J］. 水利信息化， 2022 （ 1 ）： 65 - 70 .

KENNEDY J ， EBERHART R . Particle swarm optimization ［C］// Proceedings of IEEE International Conference on Neural Networks ， 1995 ： 1942 - 1948 . doi: 10.1109/ICNN.1995.488968 http://dx.doi.org/10.1109/ICNN.1995.488968

MOHANDES M A Modeling global solar radiation using particle swarm optimization （PSO）［J］. Solar Energy ， 2012 ， 86 （ 11 ）： 3137 - 3145 . doi: 10.1016/j.solener.2012.08.005 http://dx.doi.org/10.1016/j.solener.2012.08.005

LI Z P . Improvement of particle swarm optimization algorithm and its application in network situation prediction ［D］. Lanzhou ： Lanzhou University ， 2017 .

栗志鹏 . 粒子群算法改进及在网络态势预测的应用［D］. 兰州：兰州大学， 2017 .

GOH J ， ADEPU S ， NAZIR J K ， et al . A dataset to support research in the design of secure water treatment systems ［C］// International Conference on Critical Information Infrastructures Security ， 2016 ： 88 - 99 . doi: 10.1007/978-3-319-71368-7_8 http://dx.doi.org/10.1007/978-3-319-71368-7_8

ITRUST . Centre for research in cyber security ［EB/OL］. https：//itrust.sutd.edu.sg/itrust-labs_datasets/ https://itrust.sutd.edu.sg/itrust-labs_datasets/ .

The State Council . National overall emergency plan for public emergencies ［EB/OL］. http：//www.gov.cn/jrzg/2006-01/08/content_150878.htm http://www.gov.cn/jrzg/2006-01/08/content_150878.htm .

国务院 . 国家突发公共事件总体应急预案［EB/OL］. http：//www.gov.cn/jrzg/2006-01/08/content_150878.htm http://www.gov.cn/jrzg/2006-01/08/content_150878.htm .

PENG X W ， YUAN L Y . Internet of Things security situation prediction based on ADE-ABiGRU ［J］. Network Security and Data Governance ， 2023 ， 42 （ 12 ）： 48 - 53 .

彭兴维，袁凌云 . 基于ADE-ABiGRU的物联网安全态势预测［J］. 网络安全与数据治理， 2023 ， 42 （ 12 ）： 48 - 53 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于双通道特征融合与对抗训练的短文本分类

融合对抗训练的光电企业信息命名实体识别