本文關(guān)鍵詞：基于RAN-RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型

  更多相關(guān)文章： 資源分配網(wǎng)絡(luò)徑向基函數(shù)(RAN-RBF)神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)(NSSP) 改進(jìn)的粒子群算法(MPSO) 態(tài)勢(shì)圖

【摘要】：為了更準(zhǔn)確地獲悉網(wǎng)絡(luò)安全態(tài)勢(shì)的發(fā)展情況,提出了一種基于資源分配網(wǎng)絡(luò)徑向基函數(shù)(Resource Allocating Network Radical Basis Function,RAN-RBF)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)(Network Security Situation Prediction,NSSP)模型。該模型采用資源分配網(wǎng)絡(luò)算法對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)樣本進(jìn)行聚類,得到神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù),引入剪枝策略刪除對(duì)網(wǎng)絡(luò)貢獻(xiàn)不大的節(jié)點(diǎn),用改進(jìn)的粒子群算法(Modified Particle Swarm Optimization,MPSO)對(duì)神經(jīng)網(wǎng)絡(luò)的中心、寬度、權(quán)值進(jìn)行優(yōu)化,對(duì)未來(lái)網(wǎng)絡(luò)安全態(tài)勢(shì)進(jìn)行預(yù)測(cè)。利用校園網(wǎng)網(wǎng)絡(luò)管理部門提供的數(shù)據(jù)進(jìn)行的仿真實(shí)驗(yàn)表明,相對(duì)于K-均值RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,該模型可以得到更合適的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和控制參數(shù),提高了預(yù)測(cè)精度,更加直觀地反映了網(wǎng)絡(luò)安全態(tài)勢(shì)的總體情況,為網(wǎng)絡(luò)安全管理員提供了態(tài)勢(shì)圖。
【作者單位】： 重慶通信學(xué)院網(wǎng)絡(luò)安全實(shí)驗(yàn)室;重慶通信學(xué)院應(yīng)急通信重慶市重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 資源分配網(wǎng)絡(luò)徑向基函數(shù)(RAN-RBF)神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)(NSSP) 改進(jìn)的粒子群算法(MPSO) 態(tài)勢(shì)圖
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61272043) 重慶市基礎(chǔ)與前沿研究重點(diǎn)項(xiàng)目(cstc2013jjB40009)資助
【分類號(hào)】：TP393.08;TP183
【正文快照】： 本文受國(guó)家自然科學(xué)基金項(xiàng)目(61272043),重慶市基礎(chǔ)與前沿研究重點(diǎn)項(xiàng)目(cstc2013jjB40009)資助。網(wǎng)絡(luò)安全態(tài)勢(shì)感知(Network Security Situation Aware-ness,NSSA)[1]源于空中交通監(jiān)管態(tài)勢(shì)感知(Air Traffic Con-trol,ATC)[2],在航天飛行、軍事戰(zhàn)場(chǎng)、核反應(yīng)控制、空中交通監(jiān)管以，

本文編號(hào)：774948