本文關鍵詞：基于APDE-RBF神經網絡的網絡安全態(tài)勢預測方法

  更多相關文章： 徑向基函數 吸引力傳播聚類 差分進化 種群差異度 混沌搜索

【摘要】：為了提高徑向基函數(radical basis function,RBF)神經網絡對網絡安全態(tài)勢的預測精度,提出了一種基于吸引力傳播(affinity propagation,AP)聚類和差分進化(differential evolution,DE)優(yōu)化RBF神經網絡的算法。首先,利用AP聚類算法對樣本數據進行劃分聚類,從而獲得RBF的中心和網絡的隱含層節(jié)點數;其次,利用AP聚類得出種群差異度,自適應地改變DE算法的縮放因子和交叉概率,對RBF的寬度和連接權值進行優(yōu)化;同時為了避免陷入局部最優(yōu)以及跳出局部極值點,對每一代種群的精英個體和種群差異度中心進行混沌搜索。通過仿真實驗表明,此算法在泛化能力增強的同時,對網絡安全態(tài)勢也達到了較高的預測精度。
【作者單位】： 重慶郵電大學移動通信技術重慶市重點實驗室;
【關鍵詞】： 徑向基函數 吸引力傳播聚類 差分進化 種群差異度 混沌搜索
【基金】：國家自然科學基金項目(61271260,61301122) 重慶市科委自然科學基金項目(cstc2015jcyjA40050)資助課題
【分類號】：TP183;TP393.08
【正文快照】： 0引言隨著各種網絡安全問題層出不窮,網絡安全問題越來越受到重視。網絡安全態(tài)勢預測是目前網絡安全領域的一個研究熱點,不同于以往的入侵檢測和防火墻等被動防御手段,網絡安全態(tài)勢預測是主動防御機制[1]。網絡安全態(tài)勢預測主要是為了在網絡受到攻擊損失前網絡管理員采取相對，

本文編號：1010016