-
题名基于RAN-RBF神经网络的网络安全态势预测模型
被引量：14
- 1
-
-
作者
甘文道
周城
宋波
-
机构
重庆通信学院网络安全实验室
重庆通信学院应急通信重庆市重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2016年第S2期388-392,共5页
-
基金
国家自然科学基金项目(61272043)
重庆市基础与前沿研究重点项目(cstc2013jjB40009)资助
-
文摘
为了更准确地获悉网络安全态势的发展情况,提出了一种基于资源分配网络径向基函数(Resource Allocating Network Radical Basis Function,RAN-RBF)神经网络的网络安全态势预测(Network Security Situation Prediction,NSSP)模型。该模型采用资源分配网络算法对网络安全态势样本进行聚类,得到神经网络的隐含层节点数,引入剪枝策略删除对网络贡献不大的节点,用改进的粒子群算法(Modified Particle Swarm Optimization,MPSO)对神经网络的中心、宽度、权值进行优化,对未来网络安全态势进行预测。利用校园网网络管理部门提供的数据进行的仿真实验表明,相对于K-均值RBF神经网络预测模型,该模型可以得到更合适的RBF神经网络结构和控制参数,提高了预测精度,更加直观地反映了网络安全态势的总体情况,为网络安全管理员提供了态势图。
-
关键词
资源分配网络径向基函数(RAN-RBF)神经网络
网络安全态势预测(nssp)
改进的粒子群算法(MPSO)
态势图
-
Keywords
Resource allocating network radical basis function (RAN-RBF) neural network
network security situation prediction(nssp)
Modified particle swarm optimization(MPSO)
situation map
-
分类号
TP393.08
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于分级优化置信规则库的网络安全态势预测方法
被引量：10
- 2
-
-
作者
胡庆爽
李成海
路艳丽
宋亚飞
-
机构
空军工程大学研究生院
空军工程大学防空反导学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第12期127-133,共7页
-
基金
国家自然科学基金(61703426)
中国博士后科学基金(2018M633680)
陕西省高校科协青年人才托举计划(20190108)。
-
文摘
基于置信规则库的网络安全态势预测将定性经验知识与定量网络数据结合,具有较好的预测效果,但当训练数据分布不均时,传统整体优化的预测方法易导致过拟合造成预测精度较低。为此,利用置信规则库中规则作用范围有限的特性,提出一种将置信规则库分级优化的网络安全态势预测方法。建立模型作用空间并划分规则作用域,将训练数据按照输入坐标分配到对应的规则作用域,通过设定临界值将规则划分为可完全优化、可部分优化与不可优化3个等级,同时减少规则中待优化参数量。实验结果表明,与GAO-BRB、PSO-BRB等预测方法相比,本文方法能有效避免过拟合现象,网络安全态势预测精度更高。
-
关键词
网络安全态势预测
置信规则库
分级优化
作用域
临界值
-
Keywords
network security situation prediction(nssp)
Belief Rule Base(BRB)
hierarchical optimization
scope
critical value
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
