基于人工智能的互联网络数据安全优化算法研究

该文基于人工智能,对互联网络数据安全优化算法进行了研究。在网络安全态势预测中,预测模型建立在粒子群优化RBF神经网络的基础上。在处理数据量不多的信息时,粒子群优化算法的运算速度快、精度高,有利于粒子群RBF神经网络进行快速准确的预测。通过对比粒子群优化前后的RBF神经网络,结果表明,对RBF神经网络进行粒子群优化后,其预测误差波动能够很大程度的减小。利用这种方法进行权值优化,能使神经网络权值快速收敛,训练出的网络安全态势预测模型更有效。比较粒子群优化RBF神经网络算法预测结果、实际网络态势值以及RBF神经网络预测结果,表明在训练次数较少情况下,粒子群优化RBF神经网络算法预测结果快速且与实际网络安全态势值接近,比RBF神经网络预测模型预测的网络安全态势更有效、更快速。