本文選題：網(wǎng)絡(luò)安全　切入點(diǎn)：態(tài)勢(shì)感知　出處：《浙江大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近年移動(dòng)互聯(lián)網(wǎng)高速發(fā)展,給人們生活帶來了極大的便利,同時(shí)也帶來了嚴(yán)重的網(wǎng)絡(luò)安全問題。由于現(xiàn)在人們的工作生活對(duì)網(wǎng)絡(luò)的依賴性很強(qiáng),網(wǎng)絡(luò)攻擊帶來的損失也越來越難以承受。傳統(tǒng)的網(wǎng)絡(luò)安全設(shè)備都是各自獨(dú)立工作的,沒有綜合分析各個(gè)設(shè)備之間信息的相關(guān)性,不能從整體上對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)做出評(píng)估。為了從宏觀上掌握網(wǎng)絡(luò)的安全狀況以及預(yù)測(cè)未來網(wǎng)絡(luò)態(tài)勢(shì)的發(fā)展趨勢(shì),網(wǎng)絡(luò)安全態(tài)勢(shì)感知(Network Security Situation Awareness,NSSA)已成為當(dāng)前網(wǎng)絡(luò)安全領(lǐng)域的熱門研究方向。NSSA在對(duì)網(wǎng)絡(luò)安全的各種因素提取的基礎(chǔ)上,對(duì)網(wǎng)絡(luò)當(dāng)前的狀態(tài)進(jìn)行定量評(píng)估,并利用歷史態(tài)勢(shì)信息預(yù)測(cè)網(wǎng)絡(luò)態(tài)勢(shì)的未來狀態(tài)。能夠明顯提高網(wǎng)絡(luò)管理人員對(duì)網(wǎng)絡(luò)的把控。本文在詳細(xì)研究了 NSSA模型及相關(guān)技術(shù)理論的基礎(chǔ)上,針對(duì)網(wǎng)絡(luò)態(tài)勢(shì)信息具有時(shí)序性的特征,對(duì)標(biāo)準(zhǔn)的Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),建立了基于GA-Elman的態(tài)勢(shì)預(yù)測(cè)模型。由于Elman神經(jīng)網(wǎng)絡(luò)的承接層僅僅保存了隱藏層神經(jīng)元的反饋信息,本文通過增加反饋節(jié)點(diǎn)的層數(shù)來改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),以使其能存儲(chǔ)各層節(jié)點(diǎn)的反饋信息。在學(xué)習(xí)參數(shù)的算法方面,為了解決誤差逆?zhèn)鞑ニ惴ㄈ菀紫萑刖植孔顑?yōu)的缺點(diǎn),使用了具有全局搜索策略的遺傳算法來對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。最后實(shí)現(xiàn)了基于遺傳算法的Elman網(wǎng)絡(luò)模型來進(jìn)行態(tài)勢(shì)預(yù)測(cè),通過實(shí)驗(yàn)證明模型能夠準(zhǔn)確的對(duì)未來的態(tài)勢(shì)進(jìn)行預(yù)測(cè)。
[Abstract]:In recent years, the rapid development of mobile Internet has brought great convenience to people's life, but also brought serious network security problems. The losses caused by network attacks are becoming more and more difficult to bear. Traditional network security devices work independently, without comprehensive analysis of the correlation of information between each device. In order to grasp the security situation of the network and predict the development trend of the network situation in the future, we can not evaluate the network security situation as a whole. Network Security Situation Awareness (NSSA) has become a hot research direction in the field of network security. On the basis of extracting various factors of network security, the current status of the network is evaluated quantitatively. And using historical situation information to predict the future state of network situation. It can obviously improve the network control of network managers. This paper studies the NSSA model and related technology theory in detail. In view of the temporal characteristics of network situation information, the standard Elman neural network structure is improved, and a situation prediction model based on GA-Elman is established. Because the Elman neural network's accepting layer only preserves the feedback information of hidden layer neurons. In this paper, the structure of Elman neural network is improved by increasing the number of layers of feedback nodes, so that it can store the feedback information of each layer node. The genetic algorithm with global search strategy is used to train the network. Finally, the Elman network model based on genetic algorithm is implemented to predict the situation of the network. The experimental results show that the model can accurately predict the future situation.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP183;TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝慶國(guó) ,萬淑蕓 ,易燕春 ,趙金 ,沈軼;Speed-Sensorless Control Using Elman Neural Network[J];Journal of Systems Engineering and Electronics;2001年04期

2 謝慶國(guó),萬淑蕓,趙金;一種Elman回歸網(wǎng)絡(luò)的設(shè)計(jì)方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年03期

3 林相波,邱天爽;固定結(jié)構(gòu)單元權(quán)值對(duì)基本Elman網(wǎng)絡(luò)性能影響[J];大連理工大學(xué)學(xué)報(bào);2004年05期

4 吳微;徐東坡;李正學(xué);;Convergence of gradient method for Elman networks[J];Applied Mathematics and Mechanics(English Edition);2008年09期

5 任雪梅,陳杰,龔至豪,竇麗華;改進(jìn)Elman網(wǎng)絡(luò)的逼近性質(zhì)研究(英文)[J];Journal of Beijing Institute of Technology(English Edition);2002年01期

6 王攀,蘇智,馮珊;局部回歸Elman網(wǎng)絡(luò)學(xué)習(xí)算法的注記[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2002年02期

7 田燕;康海英;唐力偉;鄭海起;;一種改進(jìn)的Elman網(wǎng)絡(luò)及其在載荷識(shí)別中的應(yīng)用[J];機(jī)械強(qiáng)度;2006年S1期

8 金宇華;羅沛蘭;扶名福;楊國(guó)泰;;Elman網(wǎng)絡(luò)和綜合關(guān)聯(lián)度在風(fēng)機(jī)診斷中的應(yīng)用[J];微計(jì)算機(jī)信息;2008年10期

9 楊凌;宋軍;金強(qiáng);;一種引入混沌機(jī)制的新型Elman神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2009年02期

10 張秀玲;趙文保;李少清;徐騰;;基于人工蜂群算法的Elman網(wǎng)絡(luò)板形預(yù)測(cè)[J];沈陽大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

相關(guān)會(huì)議論文 前10條

1 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2005年

2 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九屆中國(guó)控制會(huì)議論文集（一）[C];2000年

3 蘇剛;王玲玲;徐永生;;基于改進(jìn)Elman網(wǎng)絡(luò)的燃?xì)庳?fù)荷預(yù)測(cè)[A];第十七屆全國(guó)過路控制會(huì)議論文集[C];2006年

4 趙建玉;高慧;賈磊;;基于Elman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

5 郭式偉;呂建;張秀蘭;;基于改進(jìn)Elman網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測(cè)[A];全國(guó)暖通空調(diào)制冷2008年學(xué)術(shù)年會(huì)資料集[C];2008年

6 符利勇;何錚;唐守正;劉應(yīng)安;;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的林隙大小預(yù)測(cè)模型[A];第九屆中國(guó)林業(yè)青年學(xué)術(shù)年會(huì)論文摘要集[C];2010年

7 WenJie Wu;DaGui HUANG;Zheng DONG;;Fault Diagnosis of the Aeroengine Based on Neural Network and D-S Evidence Theory[A];Proceedings of 2011 International Conference on Computer Science and Information Technology(ICCSIT 2011)[C];2011年

8 孟令啟;張洛明;韓麗麗;馬金亮;黃其柏;;基于MATLAB的Elman神經(jīng)網(wǎng)絡(luò)在中厚板軋機(jī)寬展預(yù)測(cè)中的應(yīng)用[A];第二屆中國(guó)CAE工程分析技術(shù)年會(huì)論文集[C];2006年

9 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

10 邰新軍;陸建榮;;基于Elman神經(jīng)網(wǎng)絡(luò)的炮兵戰(zhàn)場(chǎng)目標(biāo)價(jià)值分析[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 時(shí)小虎;Elman神經(jīng)網(wǎng)絡(luò)與進(jìn)化算法的若干理論研究及應(yīng)用[D];吉林大學(xué);2006年

2 王麗敏;計(jì)算智能改進(jìn)方法及其在金融與環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 林鵬;冷軋APC系統(tǒng)智能控制器設(shè)計(jì)與實(shí)驗(yàn)研究[D];燕山大學(xué);2015年

2 曹芙;基于Elman神經(jīng)網(wǎng)絡(luò)及優(yōu)化算法的混合模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

3 劉超;429例直腸惡性腫瘤基于SVM和Elman的單病種醫(yī)療費(fèi)用預(yù)測(cè)模型研究與應(yīng)用[D];昆明醫(yī)科大學(xué);2015年

4 許菲菲;基于Elman網(wǎng)絡(luò)溫度預(yù)測(cè)模型的差壓氣密性檢測(cè)方法研究[D];中國(guó)計(jì)量學(xué)院;2015年

5 宋菁華;高爐冶煉過程的多尺度特性與硅含量預(yù)測(cè)方法研究[D];浙江大學(xué);2016年

6 王柳;基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)[D];天津工業(yè)大學(xué);2016年

7 周展;基于Elman神經(jīng)網(wǎng)絡(luò)控制的風(fēng)電最大功率點(diǎn)追蹤的研究[D];湖南大學(xué);2016年

8 關(guān)福生;基于GIF Elman神經(jīng)網(wǎng)絡(luò)的輸油管道工況辨識(shí)技術(shù)的研究[D];東北大學(xué);2011年

9 黃艷南;基于Elman橋梁損傷識(shí)別與監(jiān)測(cè)數(shù)據(jù)處理研究[D];東北大學(xué);2014年

10 嚴(yán)麗;基于GA-Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的時(shí)延網(wǎng)絡(luò)控制系統(tǒng)故障檢測(cè)[D];華僑大學(xué);2015年

，

本文編號(hào)：1636744