摘要：在智慧城市建設(shè)中，網(wǎng)絡(luò)環(huán)境復(fù)雜且安全威脅具有隱蔽性，導(dǎo)致態(tài)勢(shì)感知優(yōu)化檢出率低。因此，文章設(shè)計(jì)了一種智慧城市建設(shè)中網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知優(yōu)化方法。該方法首先對(duì)網(wǎng)絡(luò)環(huán)境進(jìn)行預(yù)處理，以提取關(guān)鍵的安全態(tài)勢(shì)感知特征，這些特征能反映網(wǎng)絡(luò)安全狀況；其次，結(jié)合先進(jìn)算法和技術(shù)，構(gòu)建網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知優(yōu)化模型，實(shí)現(xiàn)網(wǎng)絡(luò)安全的感知和評(píng)估；最后，通過(guò)該模型的運(yùn)行，實(shí)現(xiàn)安全態(tài)勢(shì)感知的優(yōu)化。實(shí)驗(yàn)結(jié)果表明，文章方法在感知能力上優(yōu)勢(shì)顯著，優(yōu)化檢出率峰值為82%，有效拓展網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知范圍并控制感知誤差，為實(shí)際應(yīng)用提供有力支撐。

關(guān)鍵詞：智慧城市建設(shè)；網(wǎng)絡(luò)信息；信息安全；態(tài)勢(shì)感知；優(yōu)化

中圖分類(lèi)號(hào)：TN915.08 文獻(xiàn)標(biāo)志碼：A

0 引言

智慧城市運(yùn)用先進(jìn)信息技術(shù)優(yōu)化城市管理。其中，網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知起到關(guān)鍵作用，它能夠?qū)崟r(shí)動(dòng)態(tài)監(jiān)測(cè)、分析網(wǎng)絡(luò)中的安全狀況，預(yù)警潛在風(fēng)險(xiǎn)，保障智慧城市信息系統(tǒng)安全。面對(duì)復(fù)雜的網(wǎng)絡(luò)攻擊，錢(qián)宗斌［1］提出SVM算法改進(jìn)策略，包括優(yōu)化核函數(shù)選擇、改進(jìn)參數(shù)調(diào)整方法、引入多分類(lèi)策略等實(shí)現(xiàn)態(tài)勢(shì)感知。鐘云勝［2］提出網(wǎng)絡(luò)攻擊數(shù)據(jù)清洗，利用信息增益進(jìn)行特征選擇，提高網(wǎng)絡(luò)安全管理效率。但2種方法預(yù)警精度不足，難以滿(mǎn)足需求。因此，文章提出智慧城市建設(shè)中網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知優(yōu)化及其應(yīng)用研究，該研究引入先進(jìn)技術(shù)和算法［3］構(gòu)建安全態(tài)勢(shì)感知系統(tǒng)，提升安全防護(hù)能力。

1 預(yù)處理網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知環(huán)境

為確保感知環(huán)境無(wú)不良影響，該研究須對(duì)信息安全態(tài)勢(shì)感知環(huán)境進(jìn)行處理。在處理中，文章建立有向傳感邏輯，并嵌入報(bào)警編碼規(guī)則和結(jié)構(gòu)，構(gòu)建可控神經(jīng)網(wǎng)絡(luò)［4］。

在感知邏輯神經(jīng)網(wǎng)絡(luò)中評(píng)估網(wǎng)絡(luò)環(huán)境，文章分析網(wǎng)絡(luò)架構(gòu)、安全協(xié)議、訪(fǎng)問(wèn)控制識(shí)別隱患。該研究?jī)?yōu)化網(wǎng)絡(luò)環(huán)境，配置資源和策略，提升網(wǎng)絡(luò)穩(wěn)定性。

假設(shè)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(zhuǎn)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(luò)信息安全態(tài)勢(shì)感知的迭代數(shù)：

式中：d為標(biāo)準(zhǔn)迭代數(shù)，κ為感知范圍，e為感知告警距離，i為預(yù)設(shè)態(tài)勢(shì)感知次數(shù)，y為網(wǎng)絡(luò)信息威脅環(huán)境。

2 提取網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知特征

該研究在提取網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知特征時(shí)需分析核心要素，監(jiān)測(cè)和解析網(wǎng)絡(luò)行為數(shù)據(jù)。在城市建設(shè)中，該研究為強(qiáng)化ARP協(xié)議的安全性，須構(gòu)造ARP協(xié)議并設(shè)置應(yīng)答包地址為MAC。文章采用DPDK技術(shù)偽造ARP應(yīng)答包，并通過(guò)輪詢(xún)機(jī)制高效處理網(wǎng)絡(luò)包，連接偽造應(yīng)答、存儲(chǔ)與緩存功能提升效率。

該研究將網(wǎng)絡(luò)信息的相關(guān)屬性作為態(tài)勢(shì)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(shì)感知輸出，x1（t）、x2（t）、xn（t）為感知區(qū)問(wèn)屬性集合。

3 構(gòu)建網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知優(yōu)化模型

該研究將威脅單元作為態(tài)勢(shì)感知特征的關(guān)鍵部分，評(píng)估不同網(wǎng)絡(luò)模型中的網(wǎng)絡(luò)結(jié)構(gòu)，識(shí)別潛在威脅，并應(yīng)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(qiáng)度，F(xiàn)為攻擊頻率，I為潛在影響，f為權(quán)重系數(shù)。

該研究中網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知優(yōu)化模型采用復(fù)合結(jié)構(gòu)，該結(jié)構(gòu)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(píng)估網(wǎng)絡(luò)安全，并通過(guò)計(jì)算適應(yīng)度值區(qū)分威脅的好壞。適應(yīng)度函數(shù)用于量化潛在風(fēng)險(xiǎn)，公式為：

式中：y′i網(wǎng)絡(luò)安全態(tài)勢(shì)權(quán)值，y為網(wǎng)絡(luò)安全態(tài)勢(shì)的估計(jì)權(quán)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(xiàn)性相關(guān)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(qiáng)。網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知優(yōu)化模型公式為：

4 實(shí)現(xiàn)安全態(tài)勢(shì)感知優(yōu)化

該研究通過(guò)設(shè)置感知節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)采集，構(gòu)建歸一化程序。該程序與網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知優(yōu)化模型相連，形成高效信息交互機(jī)制。與原始數(shù)據(jù)對(duì)比辨識(shí)感知錯(cuò)誤，處理過(guò)程如圖1所示。

5 實(shí)驗(yàn)測(cè)試分析

5.1 實(shí)驗(yàn)準(zhǔn)備

為驗(yàn)證文章方法有效性，該研究須要搭建實(shí)驗(yàn)網(wǎng)絡(luò)。文章選150名用戶(hù)分5組，控制系統(tǒng)設(shè)計(jì)10條虛擬威脅指令備用。該研究設(shè)定的測(cè)定指標(biāo)和數(shù)值如表1所示。

為驗(yàn)證文章方法有效性，文章方法與錢(qián)宗斌［1］的SVM算法及鐘云勝［2］的決策樹(shù)算法的結(jié)果進(jìn)行對(duì)比。實(shí)驗(yàn)使用傳感器節(jié)點(diǎn)收集數(shù)據(jù)，構(gòu)建傳感矩陣處理信息，提取并重構(gòu)安全態(tài)勢(shì)獲得感知特征量和權(quán)重。實(shí)驗(yàn)為4個(gè)階段：固定感知區(qū)域、檢驗(yàn)感知水平、分析感知能力、增加感知數(shù)量。通過(guò)5組測(cè)試評(píng)估優(yōu)化方法的性能與優(yōu)勢(shì)。

通過(guò)分批次下達(dá)虛擬信息威脅指令，對(duì)數(shù)據(jù)信息分析，態(tài)勢(shì)感知檢測(cè)率如下：

K=（1－κ）T+κσ（7）

式中：K為優(yōu)化檢出率，σ為已設(shè)置最佳偏離。分析對(duì)比試驗(yàn)，結(jié)果如圖2所示。

5.2 實(shí)驗(yàn)結(jié)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(dá)到了82%，表明檢測(cè)率已提升至新水平。經(jīng)4個(gè)階段測(cè)定，文章方法檢出率高于錢(qián)宗斌［1］和鐘云勝［2］的方法，有效擴(kuò)展感知范圍，并能有力支撐實(shí)際應(yīng)用。

6 結(jié)語(yǔ)

在智慧城市建設(shè)中，該研究對(duì)于網(wǎng)絡(luò)信息安全態(tài)勢(shì)感知的優(yōu)化與應(yīng)用研究，提升了城市信息系統(tǒng)的安全防護(hù)能力。該研究通過(guò)引入先進(jìn)的數(shù)據(jù)分析技術(shù)和算法，有效提升態(tài)勢(shì)感知的準(zhǔn)確性和實(shí)時(shí)性，為城 市的安全穩(wěn)定運(yùn)行提供保障。

參考文獻(xiàn)

［1］錢(qián)宗斌.基于改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知算法［J］.喀什大學(xué)學(xué)報(bào)，2023（6）：71-75.

［2］鐘云勝.基于決策樹(shù)算法的網(wǎng)絡(luò)信息安全態(tài)勢(shì)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(shí)代下智慧圖書(shū)館大數(shù)據(jù)安全態(tài)勢(shì)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(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知［J］.沈陽(yáng)航空航天大學(xué)學(xué)報(bào)，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