智慧城市建设中网络信息安全态势感知优化及其应用研究

摘要：在智慧城市建设中，网络环境复杂且安全威胁具有隐蔽性，导致态势感知优化检出率低。因此，文章设计了一种智慧城市建设中网络信息安全态势感知优化方法。该方法首先对网络环境进行预处理，以提取关键的安全态势感知特征，这些特征能反映网络安全状况；其次，结合先进算法和技术，构建网络信息安全态势感知优化模型，实现网络安全的感知和评估；最后，通过该模型的运行，实现安全态势感知的优化。实验结果表明，文章方法在感知能力上优势显著，优化检出率峰值为82%，有效拓展网络信息安全态势感知范围并控制感知误差，为实际应用提供有力支撑。

关键词：智慧城市建设；网络信息；信息安全；态势感知；优化

中图分类号：TN915.08 文献标志码：A

0 引言

智慧城市运用先进信息技术优化城市管理。其中，网络信息安全态势感知起到关键作用，它能够实时动态监测、分析网络中的安全状况，预警潜在风险，保障智慧城市信息系统安全。面对复杂的网络攻击，钱宗斌［1］提出SVM算法改进策略，包括优化核函数选择、改进参数调整方法、引入多分类策略等实现态势感知。钟云胜［2］提出网络攻击数据清洗，利用信息增益进行特征选择，提高网络安全管理效率。但2种方法预警精度不足，难以满足需求。因此，文章提出智慧城市建设中网络信息安全态势感知优化及其应用研究，该研究引入先进技术和算法［3］构建安全态势感知系统，提升安全防护能力。

1 预处理网络信息安全态势感知环境

为确保感知环境无不良影响，该研究须对信息安全态势感知环境进行处理。在处理中，文章建立有向传感逻辑，并嵌入报警编码规则和结构，构建可控神经网络［4］。

在感知逻辑神经网络中评估网络环境，文章分析网络架构、安全协议、访问控制识别隐患。该研究优化网络环境，配置资源和策略，提升网络稳定性。

假设文章告警编码是n维向量A=（a1，a2，…，an），元素a为告警编码属性。将其转化为m维的矩阵执行向量M=（m1，m2，…，mn）。该研究利用数据信息，获取网络信息安全态势感知的迭代数：

式中：d为标准迭代数，κ为感知范围，e为感知告警距离，i为预设态势感知次数，y为网络信息威胁环境。

2 提取网络信息安全态势感知特征

该研究在提取网络信息安全态势感知特征时需分析核心要素，监测和解析网络行为数据。在城市建设中，该研究为强化ARP协议的安全性，须构造ARP协议并设置应答包地址为MAC。文章采用DPDK技术伪造ARP应答包，并通过轮询机制高效处理网络包，连接伪造应答、存储与缓存功能提升效率。

该研究将网络信息的相关属性作为态势感知输入，得出：

X（t）=［x1（t），x2（t），…，xn（t）］（2）

式中：t为特定感知区间，X（t）为态势感知输出，x1（t）、x2（t）、xn（t）为感知区问属性集合。

3 构建网络信息安全态势感知优化模型

该研究将威胁单元作为态势感知特征的关键部分，评估不同网络模型中的网络结构，识别潜在威胁，并应用空间感知提升数据传输安全性。威胁单元为：

T=f（Q，F，I，B）（3）

式中：Q为攻击强度，F为攻击频率，I为潜在影响，f为权重系数。

该研究中网络信息安全态势感知优化模型采用复合结构，该结构能够提升数据搜索与检索能力。该研究在模型中引入威胁单元评估网络安全，并通过计算适应度值区分威胁的好坏。适应度函数用于量化潜在风险，公式为：

式中：y′i网络安全态势权值，y为网络安全态势的估计权值。各威胁单元间的支持度公式为：

S=P（T1，T2）（5）

式中：P为各威胁单元间的线性相关性，T1、T2为特征向量。两威胁单元特征向量间夹角余弦值在［-1，1］，值大相似度高，支持度强。网络信息安全态势感知优化模型公式为：

4 实现安全态势感知优化

该研究通过设置感知节点实现数据采集，构建归一化程序。该程序与网络信息安全态势感知优化模型相连，形成高效信息交互机制。与原始数据对比辨识感知错误，处理过程如图1所示。

5 实验测试分析

5.1 实验准备

为验证文章方法有效性，该研究须要搭建实验网络。文章选150名用户分5组，控制系统设计10条虚拟威胁指令备用。该研究设定的测定指标和数值如表1所示。

为验证文章方法有效性，文章方法与钱宗斌［1］的SVM算法及钟云胜［2］的决策树算法的结果进行对比。实验使用传感器节点收集数据，构建传感矩阵处理信息，提取并重构安全态势获得感知特征量和权重。实验为4个阶段：固定感知区域、检验感知水平、分析感知能力、增加感知数量。通过5组测试评估优化方法的性能与优势。

通过分批次下达虚拟信息威胁指令，对数据信息分析，态势感知检测率如下：

K=（1－κ）T+κσ（7）

式中：K为优化检出率，σ为已设置最佳偏离。分析对比试验，结果如图2所示。

5.2 实验结果分析

如图2所示，文章方法感知能力显著，优化检出率峰值达到了82%，表明检测率已提升至新水平。经4个阶段测定，文章方法检出率高于钱宗斌［1］和钟云胜［2］的方法，有效扩展感知范围，并能有力支撑实际应用。

6 结语

在智慧城市建设中，该研究对于网络信息安全态势感知的优化与应用研究，提升了城市信息系统的安全防护能力。该研究通过引入先进的数据分析技术和算法，有效提升态势感知的准确性和实时性，为城 市的安全稳定运行提供保障。

参考文献

［1］钱宗斌.基于改进支持向量机的网络安全态势感知算法［J］.喀什大学学报，2023（6）：71-75.

［2］钟云胜.基于决策树算法的网络信息安全态势感知优化方法研究［J］.信息与电脑（理论版），2023（6）：239-241.

［3］徐奕.元宇宙时代下智慧图书馆大数据安全态势感知方法［J］.信息与电脑（理论版），2023（13）：230-234.

［4］李红杏，戚晗，赵亮，等.基于量子神经网络的网络安全态势感知［J］.沈阳航空航天大学学报，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