小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１⁃１１０６／ＴＰ．２０２１⁃０５０８２０２３年３月第３期Ｖｏｌ．４４Ｎｏ．３２０２３收稿日期：２０２１⁃０７⁃０６收修改稿日期：２０２１⁃０８⁃３０基金项目：国防基础科研项目（ＪＣＫＹ２０２０２０５Ｂ０２２）资助．作者简介：于雅洁，女，１９９７年生，硕士研究生，研究方向为工业控制系统信息安全、机器学习、人工智能；刘贤达（通讯作者），男，１９８５年生，硕士，副研究员，研究方向为工业控制系统信息安全；蒋启梅，女，１９７１年生，高级工程师，研究方向为信息技术工程化应用、信息安全；张博文，男，１９９４年生，硕士，研究实习员，研究方向为工业控制系统信息安全．融合ＬＳＴＭ⁃ＤＮＮ的工业安全态势预测模型于雅洁１，２，３，４，刘贤达１，２，３，蒋启梅５，张博文１，２，３１（中国科学院网络化控制系统重点实验室，沈阳１１００１６）２（中国科学院沈阳自动化研究所，沈阳１１００１６）３（中国科学院机器人与智能制造创新研究院，沈阳１１０１６９）４（中国科学院大学，北京１０００４９）５（昌河飞机工业（集团）有限责任公司，江西景德镇３３３００１）Ｅ⁃ｍａｉｌ：ｙｕｙａｊｉｅ＠ｓｉａ．ｃｎ摘要：态势预测对于感知工控系统中的安全风险有着重要的作用．传统的态势预测模型往往会忽略工控系统中态势要素的时序性，难以准确对系统的安全态势进行预测．因此本文提出一种基于ＬＳＴＭ⁃ＤＮＮ的工业网络安全态势预测模型，以提高传统态势预测模型的精确度．首先从海量数据中选取出与系统态势强相关的态势要素；接下来利用ＬＳＴＭ对提取的态势要素进行预测，得到未来的态势要素链；最后将提取出的态势要素链送入ＤＮＮ模型中，预测系统未来的安全态势．实验表明，相较于传统的网络安全态势预测模型，该模型框架能够有效地预测未来的态势值；相比于其它算法，所提出的算法具有较高的预测精度．关键词：工控网络；态势评估；态势要素链；长短时记忆网络；全连接神经网络中图分类号：ＴＰ１８３文献标识码：Ａ文章编号：１０００⁃１２２０（２０２３）０３⁃０５９６⁃０６ＩｎｄｕｓｔｒｉａｌＳｅｃｕｒｉｔｙＳｉｔｕａｔｉｏｎＰｒｅｄｉｃｔｉｏｎＭｏｄｅｌＢａｓｅｄｏｎＬＳＴＭ⁃ＤＮＮＹＵＹａ⁃ｊｉｅ１，２，３，４，ＬＩＵＸｉａｎ⁃ｄａ１，２，３，...
