基于多模型协同的网络安全态势数据预测方法及系统

本发明属于网络安全领域，公开了基于多模型协同的网络安全态势数据预测方法及系统，本发明通过预处理和数据补全步骤，能够有效缓解因原始安全态势数据存在缺漏而导致的模型训练偏差问题。在实际网络安全场景中，监测设备故障、传输异常或人为因素都会造成数据不完整，如果直接使用缺失数据进行训练，不仅会降低预测准确率，还会加剧模型不稳定性。本方法通过补全与评估机制生成较为完整的安全态势数据集，显著提高了数据的完整性与可靠性。本发明采用决策树、高斯朴素贝叶斯和随机森林三种模型并行训练，并通过加权融合得到多模型协同分类器，相比单一模型能够更好地发挥各模型的互补优势。决策树具有可解释性强、对非线性特征敏感的优点。