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)勢預(yù)測模型

  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)勢預(yù)測(NSSP) 改進的粒子群算法(MPSO) 態(tài)勢圖

【摘要】：為了更準(zhǔn)確地獲悉網(wǎng)絡(luò)安全態(tài)勢的發(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)勢預(yù)測(Network Security Situation Prediction,NSSP)模型。該模型采用資源分配網(wǎng)絡(luò)算法對網(wǎng)絡(luò)安全態(tài)勢樣本進行聚類,得到神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點數(shù),引入剪枝策略刪除對網(wǎng)絡(luò)貢獻不大的節(jié)點,用改進的粒子群算法(Modified Particle Swarm Optimization,MPSO)對神經(jīng)網(wǎng)絡(luò)的中心、寬度、權(quán)值進行優(yōu)化,對未來網(wǎng)絡(luò)安全態(tài)勢進行預(yù)測。利用校園網(wǎng)網(wǎng)絡(luò)管理部門提供的數(shù)據(jù)進行的仿真實驗表明,相對于K-均值RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型,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)測精度,更加直觀地反映了網(wǎng)絡(luò)安全態(tài)勢的總體情況,為網(wǎng)絡(luò)安全管理員提供了態(tài)勢圖。
【作者單位】： 重慶通信學(xué)院網(wǎng)絡(luò)安全實驗室;重慶通信學(xué)院應(yīng)急通信重慶市重點實驗室;
【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)勢預(yù)測(NSSP) 改進的粒子群算法(MPSO) 態(tài)勢圖
【基金】：國家自然科學(xué)基金項目(61272043) 重慶市基礎(chǔ)與前沿研究重點項目(cstc2013jjB40009)資助
【分類號】：TP393.08;TP183
【正文快照】： 本文受國家自然科學(xué)基金項目(61272043),重慶市基礎(chǔ)與前沿研究重點項目(cstc2013jjB40009)資助。網(wǎng)絡(luò)安全態(tài)勢感知(Network Security Situation Aware-ness,NSSA)[1]源于空中交通監(jiān)管態(tài)勢感知(Air Traffic Con-trol,ATC)[2],在航天飛行、軍事戰(zhàn)場、核反應(yīng)控制、空中交通監(jiān)管以，

本文編號：774948