網(wǎng)絡(luò)安全態(tài)勢要素提取精度的高低直接影響著態(tài)勢感知系統(tǒng)的性能,針對(duì)在復(fù)雜異構(gòu)的網(wǎng)絡(luò)環(huán)境中網(wǎng)絡(luò)安全態(tài)勢要素提取困難的問題,文章提出了一種基于概率神經(jīng)網(wǎng)絡(luò)的安全態(tài)勢要素提取方法。在該方法中,通過粗糙集對(duì)原始數(shù)據(jù)進(jìn)行屬性約簡,刪除冗余屬性,然后,使用概率神經(jīng)網(wǎng)絡(luò)對(duì)約簡后的數(shù)據(jù)集進(jìn)行分類訓(xùn)練。為驗(yàn)證該方法的有效性,使用NSL-KDD數(shù)據(jù)集對(duì)該要素提取方法進(jìn)行仿真測試。實(shí)驗(yàn)分析結(jié)果表明,該方法是一種有效、可行的態(tài)勢要素提取方法,與其傳統(tǒng)方法相比,該方法明顯地提高了網(wǎng)絡(luò)態(tài)勢要素提取的準(zhǔn)確性,為網(wǎng)絡(luò)安全態(tài)勢的評(píng)估和預(yù)測提供了有力的數(shù)據(jù)保障。 

【文章來源】：網(wǎng)絡(luò)空間安全. 2020,11(10)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 粗糙集基本理論
    2.1 知識(shí)的表示
    2.2 不可分辨關(guān)系
    2.3 集合的上下近似
    2.4系統(tǒng)參數(shù)的重要度
    2.5 知識(shí)的依賴度
3 概率神經(jīng)網(wǎng)絡(luò)
4 基于概率神經(jīng)網(wǎng)絡(luò)的安全態(tài)勢要素提取
5 實(shí)驗(yàn)與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)
    5.2 實(shí)驗(yàn)分析
6 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于信息增益的貝葉斯態(tài)勢要素提取[J]. 戚犇,王夢迪.  信息網(wǎng)絡(luò)安全. 2017(09)
[2]基于DSimC和EWDS的網(wǎng)絡(luò)安全態(tài)勢要素提取方法[J]. 賴積保,王慧強(qiáng),鄭逢斌,馮光升.  計(jì)算機(jī)科學(xué). 2010(11)



本文編號(hào)：3023997