本文選題：網(wǎng)絡(luò)安全　切入點：態(tài)勢感知　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,同時也帶來了嚴重的網(wǎng)絡(luò)安全問題。由于現(xiàn)在人們的工作生活對網(wǎng)絡(luò)的依賴性很強,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)備都是各自獨立工作的,沒有綜合分析各個設(shè)備之間信息的相關(guān)性,不能從整體上對網(wǎng)絡(luò)安全態(tài)勢做出評估。為了從宏觀上掌握網(wǎng)絡(luò)的安全狀況以及預(yù)測未來網(wǎng)絡(luò)態(tài)勢的發(fā)展趨勢,網(wǎng)絡(luò)安全態(tài)勢感知(Network Security Situation Awareness,NSSA)已成為當前網(wǎng)絡(luò)安全領(lǐng)域的熱門研究方向。NSSA在對網(wǎng)絡(luò)安全的各種因素提取的基礎(chǔ)上,對網(wǎng)絡(luò)當前的狀態(tài)進行定量評估,并利用歷史態(tài)勢信息預(yù)測網(wǎng)絡(luò)態(tài)勢的未來狀態(tài)。能夠明顯提高網(wǎng)絡(luò)管理人員對網(wǎng)絡(luò)的把控。本文在詳細研究了 NSSA模型及相關(guān)技術(shù)理論的基礎(chǔ)上,針對網(wǎng)絡(luò)態(tài)勢信息具有時序性的特征,對標準的Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行改進,建立了基于GA-Elman的態(tài)勢預(yù)測模型。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)點的層數(shù)來改進Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),以使其能存儲各層節(jié)點的反饋信息。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,使用了具有全局搜索策略的遺傳算法來對網(wǎng)絡(luò)進行訓(xùn)練。最后實現(xiàn)了基于遺傳算法的Elman網(wǎng)絡(luò)模型來進行態(tài)勢預(yù)測,通過實驗證明模型能夠準確的對未來的態(tài)勢進行預(yù)測。
[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)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP183;TP393.08

【相似文獻】

相關(guān)期刊論文 前10條

1 謝慶國 ,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,萬淑蕓,趙金;一種Elman回歸網(wǎng)絡(luò)的設(shè)計方法[J];華中科技大學(xué)學(xué)報(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)值對基本Elman網(wǎng)絡(luò)性能影響[J];大連理工大學(xué)學(xué)報;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(信息與管理工程版);2002年02期

7 田燕;康海英;唐力偉;鄭海起;;一種改進的Elman網(wǎng)絡(luò)及其在載荷識別中的應(yīng)用[J];機械強度;2006年S1期

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

9 楊凌;宋軍;金強;;一種引入混沌機制的新型Elman神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J];計算機應(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[J];沈陽大學(xué)學(xué)報(自然科學(xué)版);2012年03期

相關(guān)會議論文 前10條

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

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

3 蘇剛;王玲玲;徐永生;;基于改進Elman網(wǎng)絡(luò)的燃氣負荷預(yù)測[A];第十七屆全國過路控制會議論文集[C];2006年

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

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

6 符利勇;何錚;唐守正;劉應(yīng)安;;基于改進Elman神經(jīng)網(wǎng)絡(luò)的林隙大小預(yù)測模型[A];第九屆中國林業(yè)青年學(xué)術(shù)年會論文摘要集[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)在中厚板軋機寬展預(yù)測中的應(yīng)用[A];第二屆中國CAE工程分析技術(shù)年會論文集[C];2006年

9 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九屆中國控制會議論文集[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)場目標價值分析[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 時小虎;Elman神經(jīng)網(wǎng)絡(luò)與進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;計算智能改進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)計與實驗研究[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)療費用預(yù)測模型研究與應(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)測模型的差壓氣密性檢測方法研究[D];中國計量學(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[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橋梁損傷識別與監(jiān)測數(shù)據(jù)處理研究[D];東北大學(xué);2014年

10 嚴麗;基于GA-Elman神經(jīng)網(wǎng)絡(luò)預(yù)測的時延網(wǎng)絡(luò)控制系統(tǒng)故障檢測[D];華僑大學(xué);2015年

，

本文編號：1636744