本文選題：網(wǎng)絡安全態(tài)勢 + 正則極限學習機　； 參考：《科技通報》2017年11期

【摘要】：為了提高網(wǎng)絡安全態(tài)勢的預測準確性,提出一種改進布谷鳥搜索算法和正則極限學習機相融合的網(wǎng)絡安全態(tài)勢預測模型。首先將一維的網(wǎng)絡安全態(tài)勢數(shù)據(jù)重構成多維時間序列,然后將訓練樣本集輸入到正則極限學習機進行學習,并采用改進布谷鳥搜索算法優(yōu)化輸入權值和隱含層閾值,建立網(wǎng)絡安全態(tài)勢預測模型,最后采用Honeynet數(shù)據(jù)集對模型性能進行測試。結果表明,相對于其它網(wǎng)絡安全態(tài)勢預測模型,本文模型可更加準確描述網(wǎng)絡安全態(tài)勢的變化趨勢,不僅提高了網(wǎng)絡安全態(tài)勢預測準確性,而且加快了建模速度,可以滿足網(wǎng)絡安全態(tài)勢在線預測要求。
[Abstract]:In order to improve the accuracy of network security situation prediction, an improved cuckoo search algorithm and a regular limit learning machine are proposed to predict the network security situation. Firstly, the one-dimensional network security situation data is reconstituted into multi-dimensional time series, then the training sample set is input to the regular extreme learning machine for learning, and the improved cuckoo search algorithm is used to optimize the input weights and hidden layer thresholds. Finally, Honeynet dataset is used to test the performance of the model. The results show that compared with other network security situation prediction models, this model can more accurately describe the changing trend of network security situation, not only improve the accuracy of network security situation prediction, but also accelerate the modeling speed. It can meet the requirement of online prediction of network security situation.
【作者單位】： 成都航空職業(yè)技術學院機電工程學院;四川師范大學計算機學院;
【基金】：國家自然科學基金項目(編號61373163) 四川省教育廳重點項目(編號17ZA0020)
【分類號】：TP393.08

【相似文獻】

相關期刊論文 前1條

1 葉海琴;孟彩霞;;預測模型推薦方法研究[J];福建電腦;2009年09期

相關碩士學位論文 前2條

1 劉洋;基于活動規(guī)律的位置預測研究[D];華中科技大學;2015年

2 潘暢;在線社區(qū)中的用戶行為分析及熱度預測[D];浙江大學;2017年

，

本文編號：2013713