网络空间是所有信息系统的集合，信息安全至关重要问题[1]。当前信息技术与产业空前繁荣，但危害信息安全的事件不断发生。对于我国来说，网络空间安全形势的严峻性，不仅在于黑客攻击、恶意软件侵害等威胁，更在于我国芯片和操作系统依赖国外产品，使得我国的网络空间安全失去了自主控制的基础。为此提出基于机器学习的网络空间相关性数据预测算法研究，以求提升网络空间安全性，实现网络空间自主控制。
机器学习具有监督学习、无监督学习、半监督学习、强化学习四大类[2]。监督学习包括判别式模型、生成式模型，其中生成式模型较为常见，判别式模型目标性强;无监督学习一般作为有监督学习的前期数据处理，功能是从原始数据数据集中抽取出必要的标签信息。
机器学习常用方法分类有四种，分别是分类、聚类、回归、关联规则。通过分类模型，将数据集中的样本映射到给定的类别中;通过聚类模型将数据集中的样本分为几个类别，属于同一类别的样本相似性较大;回归反映了数据集中样本的属性值的特征，通过函数表达样本映射关系[3];关联规则是获取隐藏在数据项之间的关联或相互关系，即可根据一个数据项的出现推导出其他数据项的出现频率。
网络空间是一个用于与别人分享储存在该空间数据的平台[4,5]。在网络空间相关性数据预测中，采用大数据计算方式进行计算，其计算公式如公式(1)所示：
式中，P代表数据体量，Z代表数据相关特性值，qk代表数据交互能力，现在驱动未来网络技术发展的新需求，要简单、开放、可扩展、安全可靠、融合、高效、灵活调控网络及信息资源。开放是将网络呈现开放形态，用户能与网络设备进行交互;共享是将网络资源规约化、联系化，网络具有良好的互操作性;移动可以将无线接入、移动通信、移动云计算、移动社交网络占据主要地位;安全保护点面结合、机制健全，妥善解决信任、隐私保护等问题，更要提升网络节能效率。
尽量降低能源消耗，构建绿色网络，基于云架构，实现资源的智能管控、调度、分发与迁移;完成公用数据中心、企业数据中心、实现资源共享，虚拟网络运营成为未来的发展趋势。当然我们在未来的社交网络、用户行为分析、体验质量诠释了以人为本的理念，构建面向用户、信息、网络三位一体的预测算法。
为了保证本文提出的基于机器学习的网络空间相关性数据预测算法研究的有效性，根据在研究预测算法的有效性上的不同表现，为此设计了不同预测算法的空间组织模式，对网络学习的灵活调整手段可用多种方法，主要是对其预测算法的最优状态。首先通过选取实验人来进行网络空间的预测算法分析，其中一组为传统预测算法，另一组为提出的预测算法，其网络空间相关性预测算法的准确性结果，如表1所示：
提出的预测算法大幅改善传统预测算法存在的不足，在研究形态空间中，提出的预测算法可以熟练的掌握机器形态空间学习的方法;在网络距离的研究中，提出的方法较为突出，驱动了网络未来发展的新需求;在网络空间方位的研究中，传统的方法有一定的局限性，而提出的方法空间开放，广泛的打破了以往学习空间的封闭性。
本文提出了机器学习的语言特征，设计了不同的预测算法的空间组织模型，加强了积极性，实现了网络安全。机器学习技术的发展，网络空间的复杂性也在不断提高。对当前在网络空间领域的应用效果相对较好，从提高了网络空间系统的安全防护能力。
摘要：互联网应用不断更新，网络系统不断复杂化。为了更好控制网络安全行为、网络资源的配置，应对网络攻击，提出了基于机器学习的网络空间相关性数据预测算法研究。通过分析机器学习算法、实现网络空间相关性数据预测算法。经实验验证，本文研究准确性较高，可推广使用。
关键词：机器学习,网络空间特征,网络空间发展,网络安全
[1] 乔莹莹.基于数值预测的机器学习相关算法综述[J].安阳工学院学报, 2017, 16 (4) :71-74.
[2] 祝歆, 刘潇蔓, 陈树广, 等.基于机器学习融合算法的网络购买行为预测研究[J].统计与信息论坛, 2017 (12) :95-101.
[3] 吴华芹.基于机器学习的光纤故障数据信息快速排除方法[J].激光杂志, 2018 (12) :160-165.
[4] 傅艺绮, 董威, 尹良泽, 等.基于组合机器学习算法的软件缺陷预测模型[J].计算机研究与发展, 2017, 54 (3) :633-641.
[5] 曾聿赟, 刘井泉, 杨春振, 等.基于机器学习的小型核反应堆系统状态预测方法[J].核动力工程, 2018.
推荐阅读：
基于网络资源利用的中职英语学习06-03
基于信息技术与研究性学习课程整合的大学英语任务型教学09-22
基于网络的英语课程资源开发07-23
论创新教育基于PBL的数据库课程教学论文07-02
基于dm广告的研究06-01
智能机器人研究进展07-22
机器学习模型评估07-07
基于行为因素的煤矿现代安全管理研究07-09
