針對BP神經(jīng)網(wǎng)絡(luò)類方法對標(biāo)簽數(shù)據(jù)的依賴性缺陷,提出了一種基于深度自動編碼網(wǎng)絡(luò)的態(tài)勢評估方法。模型應(yīng)用深度自動編碼器作為基本單元構(gòu)建深度自編碼網(wǎng)絡(luò),結(jié)合專家經(jīng)驗和層次化評估的方法訓(xùn)練深度自編碼網(wǎng)絡(luò)。利用無標(biāo)簽數(shù)據(jù)采用無監(jiān)督逐層算法對網(wǎng)絡(luò)進行預(yù)訓(xùn)練,確定網(wǎng)絡(luò)各層參數(shù)及權(quán)值的范圍空間。在此基礎(chǔ)上,采用有監(jiān)督算法使用有標(biāo)簽樣本對網(wǎng)絡(luò)進行微調(diào),對各層參數(shù)及權(quán)值進行優(yōu)化,最終形成具有對輸入態(tài)勢數(shù)據(jù)進行準(zhǔn)確評估能力的模型。多種樣本數(shù)量條件下的對比實驗表明,相對于BP神經(jīng)網(wǎng)絡(luò)類方法,基于深度自動編碼網(wǎng)絡(luò)模型受標(biāo)簽的影響較小,明顯減少了對專家經(jīng)驗的依賴,并且具有整體上較高的評估精度。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 深度自編碼網(wǎng)絡(luò)
    2.1 BP神經(jīng)網(wǎng)絡(luò)及標(biāo)簽依賴問題
    2.2 自動編碼器與深度自編碼網(wǎng)絡(luò)
    2.3 訓(xùn)練深度自編碼網(wǎng)絡(luò)
    2.4 過擬合及克服方法
3 基于深度自編碼網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢評估
    3.1 網(wǎng)絡(luò)安全態(tài)勢指標(biāo)
    3.2 態(tài)勢評估
4 仿真實驗
    4.1 實驗環(huán)境
    4.2 安全態(tài)勢評估實驗
        4.2.1 實驗過程
        4.2.2 對比實驗和分析
5 結(jié)語


【參考文獻】：
期刊論文
[1]基于布谷鳥搜索優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢評估方法[J]. 謝麗霞,王志華.  計算機應(yīng)用. 2017(07)
[2]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計算機學(xué)報. 2016(08)
[3]基于灰色理論和BP神經(jīng)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測[J]. 鄧勇杰,文志誠,姜旭煒.  微型機與應(yīng)用. 2015(20)
[4]基于粗糙集神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢評估方法[J]. 姜旭煒,文志誠,鄧勇杰.  湖南工業(yè)大學(xué)學(xué)報. 2015(03)
[5]基于Rough-Vague集與證據(jù)理論的態(tài)勢估計方法[J]. 余小游,曹守富,陳鐵軍.  計算機工程與應(yīng)用. 2016(10)
[6]基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢感知[J]. 謝麗霞,王亞超,于巾博.  清華大學(xué)學(xué)報(自然科學(xué)版). 2013(12)
[7]網(wǎng)絡(luò)態(tài)勢感知中的指標(biāo)體系研究[J]. 王娟,張鳳荔,傅翀,陳麗莎.  計算機應(yīng)用. 2007(08)
[8]層次化網(wǎng)絡(luò)安全威脅態(tài)勢量化評估方法[J]. 陳秀真,鄭慶華,管曉宏,林晨光.  軟件學(xué)報. 2006(04)
[9]基于模糊矩陣博弈的網(wǎng)絡(luò)安全威脅評估[J]. 閆懷志,胡昌振,譚惠民.  計算機工程與應(yīng)用. 2002(13)



本文編號：3734505