本文關鍵詞：基于魚群算法優(yōu)化支持向量機網絡安全態(tài)勢評估模型

  更多相關文章： 態(tài)勢評估 支持向量機 魚群算法 可視化

【摘要】：網絡的安全問題逐漸成為了人們關注和研究的熱點問題。以往人們專注于如何利用專家經驗判斷網絡的安全態(tài)勢。如今,如何正確且準確的實時評估網絡的安全態(tài)勢,成為了網絡安全決策系統(tǒng)的一個重要研究方向。本文基于以往網絡安全態(tài)勢評估的理論及技術,提出基于魚群算法優(yōu)化支持向量機的評估模型。本文主要完成如下工作:1)對國內的網絡態(tài)勢相關的安全事件進行統(tǒng)計,分析安全影響要素,整理出影響要素的樣本集。確定針對全局網絡的網絡安全影響要素。2)對SVM常用核函數的算法性能進行了實驗對比,找到了RBF(高斯徑向核函數)為SVM分類器在本領域的最優(yōu)核函數。3)將魚群算法參數尋優(yōu)的方法應用到了支持向量機分類的參數尋優(yōu)過程中,利用魚群算法的全局尋優(yōu)的特性尋找最優(yōu)的參數c和g,同時提高了參數的尋優(yōu)速度及精度。4)將魚群算法尋優(yōu)與交叉驗證法尋優(yōu)、粒子群算法尋優(yōu)進行了實驗對比,通過實驗對比驗證魚群算法在全局尋優(yōu)和尋優(yōu)精度方面比粒子群算法有優(yōu)勢,在尋優(yōu)速度和精度方面比交叉驗證法有優(yōu)勢。5)對評估模型進行工程化實現,實現了網絡安決策系統(tǒng)的網絡安全態(tài)勢評估模塊。同時進行可視化編程,實現了網絡安全決策系統(tǒng)感知模塊和評估模塊,對決策系統(tǒng)的決策過程起到了積極的作用。本文建立了針對廣域網絡安全態(tài)勢評估新樣本,同時應用了新的算法提高了評估的速度和準確度。實現了自動化評估模型的工程應用,同時實現了決策系統(tǒng)及其可視化。實驗表明,該模型能夠快速、準確、實時的評估當前的網絡安全態(tài)勢。
【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TP393.08

【相似文獻】

中國期刊全文數據庫 前10條

1 李曉磊,邵之江,錢積新;一種基于動物自治體的尋優(yōu)模式:魚群算法[J];系統(tǒng)工程理論與實踐;2002年11期

2 黃光球;朱華平;周靜;;用魚群算法求解石油運輸系統(tǒng)多級站定位優(yōu)化問題[J];系統(tǒng)工程理論與實踐;2008年03期

3 劉麗麗;陳瑋;;基于高斯優(yōu)化的精英魚群算法研究[J];上海理工大學學報;2014年03期

4 方金城;張岐山;;配送中心配送決策問題及其魚群算法優(yōu)化求解[J];計算機應用;2011年06期

5 馮春時;叢爽;;基于感知范圍的魚群優(yōu)化算法[J];中國科學院研究生院學報;2010年01期

6 唐濤;;一種新型二進制編碼的量子魚群算法[J];電腦知識與技術;2008年S1期

7 郭童;林峰;;基于混合遺傳魚群算法的貝葉斯網絡結構學習[J];浙江大學學報(工學版);2014年01期

8 羅景峰;王瑩瑩;;基于魚群算法的全終端網絡可靠性優(yōu)化設計[J];微電子學與計算機;2009年02期

9 段其昌;唐若笠;徐宏英;李文;;粒子群優(yōu)化魚群算法仿真分析[J];控制與決策;2013年09期

10 鄭文;;一種改進混沌魚群算法及其在四旋翼滑模控制中的應用[J];計算機測量與控制;2014年04期

中國重要會議論文全文數據庫 前2條

1 羅景峰;;基于Metropolis準則的改進魚群算法[A];第十二屆中國青年信息與管理學者大會論文集[C];2010年

2 羅景峰;;均勻設計在魚群算法參數設定中的應用[A];第四屆中國智能計算大會論文集[C];2010年

中國碩士學位論文全文數據庫 前10條

1 汪明;基于魚群算法的人行天橋TMD減振控制研究[D];寧波大學;2015年

2 韓歡歡;基于ZigBee的超聲波三維坐標測量系統(tǒng)研究[D];中國計量學院;2015年

3 張磊;基于改進魚群算法的兩階段結構損傷識別方法研究[D];重慶大學;2015年

4 宋小輝;基于魚群算法的特高壓輸電塔塔腿拓撲優(yōu)化研究[D];重慶大學;2015年

5 高屹宇;基于魚群算法優(yōu)化支持向量機網絡安全態(tài)勢評估模型[D];蘭州大學;2016年

6 兆瑞琦;混沌—魚群算法在直接轉矩控制系統(tǒng)中的應用研究[D];沈陽工業(yè)大學;2009年

7 張坤;魚群算法在直接轉矩控制系統(tǒng)中的應用研究[D];沈陽工業(yè)大學;2009年

8 周利民;基于魚群算法的無線傳感器網絡覆蓋優(yōu)化研究[D];湖南大學;2010年

9 劉旋;基于多目標魚群算法的QoS全局最優(yōu)Web服務選擇的研究[D];武漢輕工大學;2013年

10 郭童;基于改進魚群蜂群算法的貝葉斯網絡結構學習[D];浙江大學;2014年

，

本文編號：1149183