基于FFT-iTransformer的网络安全态势特征插补与预测.pdfVIP

理论研究2025年第2期

doi：10.3969/j.issn.1671-1122.2025.02.004

基于FFT-iTransformer的网络安全态势特征

插补与预测

张新有1，高志超2，冯力1，邢焕来1

（1.西南交通大学计算机与人工智能学院，成都611756；2.西南交通大学唐山研究院，唐山063000）

摘要：为解决当前网络安全态势预测精度低、指标采集缺失等问题，文章提出

一种基于快速傅里叶变换改进的iTransformer模型（FFT-iTransformer）。该模型利用

iTransformer架构对时间序列数据进行维度反转嵌入。通过快速傅里叶变换将一维时间

序列扩展为二维空间，将周期内的近邻特征和周期间的远邻特征分别映射到二维张量

的行与列。首先，模型将周期内特征输入编码器，通过注意力机制学习周期内的局部

特征，从而有效捕捉网络安全指标间的动态关联性（如信息安全漏洞数量与感染主机

数量间的关联）。然后，将编码器输出的周期内张量融合为二维，传入卷积模块进一步

提取二维特征，以捕捉周期间的全局特征。最后，根据振幅所反映的周期相对重要性

进行自适应聚合。实验结果表明，该模型预测拟合度可达0.995378，在10%的缺失率下，

插补拟合度可达0.879，优于大多数现有模型，可准确插补网络安全态势指标的缺失值，

并预测态势值。

关键词：网络安全；态势预测；插补；快速傅里叶变换；iTransformer

中图分类号：TP309文献标志码：A文章编号：1671-1122（2025）02-0228-12

中文引用格式：张新有，高志超，冯力，等.基于FFT-iTransformer的网络安全态势特征插补与预测[J].

信息网络安全，2025，25（2）：228-239.

英文引用格式：ZHANGXinyou,GAOZhichao,FENGLi,etal.FFT-iTransformer-BasedCybersecuritySituation

AwarenessFeatureImputationandPrediction[J].NetinfoSecurity,2025,25(2):228-239.

FFT-iTransformer-BasedCybersecuritySituationAwareness

FeatureImputationandPrediction

1211

ZHANGXinyou,GAOZhichao,FENGLi,XINGHuanlai

(1. School of Computing and Artificial Intelligence,SouthwestJiaotongUniversity,Chengdu611756,China;

2.TangshanInstitute,SouthwestJiaotongUniversity,Tangshan063000,China)

Abstract:Toaddresstheissuesoflowpredictionaccuracyandmissingmetriccollection

incurrentnetworksecuritysituationforecasting,thispaperproposedanimprovediTransformer

收稿日期：