網(wǎng)絡(luò)安全態(tài)勢預(yù)測能夠依據(jù)已有的網(wǎng)絡(luò)安全數(shù)據(jù)預(yù)測網(wǎng)絡(luò)未來的安全狀況及其變化趨勢,為安全策略的選取提供指導(dǎo),從而增強網(wǎng)絡(luò)防御的主動性,盡可能地降低危害.然而現(xiàn)有的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法的精準度和收斂性還不理想.為了提高網(wǎng)絡(luò)安全態(tài)勢預(yù)測的準確性,提出了一種將模擬退火算法(SA)引入人群搜索算法(SOA)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法.該算法利用人群搜索算法特有的利己、利他、預(yù)動和不確定推理四大行為特征確定搜索策略,找到最佳適應(yīng)度個體,獲取最優(yōu)權(quán)值和閾值,然后再對BP神經(jīng)網(wǎng)絡(luò)的隨機初始閾值和權(quán)值進行賦值,經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到預(yù)測值.針對人群搜索算法在搜索后期易陷入局部最優(yōu)和收斂緩慢等問題,又將模擬退火算法引入人群搜索算法,根據(jù)它的Metropolis準則以一定的概率接受惡解,避免了算法陷入局部最優(yōu)的陷阱,提高了該算法的全局搜索能力.與其它基于改進BP神經(jīng)網(wǎng)絡(luò)的預(yù)測算法進行對比的實驗表明,該優(yōu)化算法準確性更高,穩(wěn)定性更強,收斂效果更好.

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 相關(guān)工作
3 基于SA-SOA-BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測
    3.1 人群搜索算法
    3.2 模擬退火算法
    3.3 基于SA-SOA-BP神經(jīng)網(wǎng)絡(luò)的安全態(tài)勢預(yù)測算法
4 實驗與結(jié)果分析
    4.1 數(shù)據(jù)預(yù)處理
    4.2 預(yù)測及結(jié)果分析
    4.3 算法收斂性分析
5 總結(jié)



本文編號：3815709