一种基于似然BP的网络安全态势预测方法

态势预测是网络安全态势感知的高级阶段。为了解决依赖于专家赋予权值、缺乏自学习的态势数据处理方法在复杂网络系统中的局限,提出了一种基于似然BP的网络安全态势预测方法,将BP神经网络引入态势预测领域,并用极大似然误差函数代替传统的误差函数,通过态势评估模型建立的态势序列作为训练输入序列,在反向传播过程中实现对指定参数权值的自学习调整,该方法能充分利用网络越复杂、粒度越细、效率就越高的特点,实验表明了该方法具有较好的态势预测效能,为网络安全态势预测提供了一种新的解决途径。

基于BP神经网络的网络安全态势预测研究

以网络系统安全运行作为出发点,从入侵检测系统和杀毒软件等安全手段中提取出可以反映网络安全运行的数据。从网络安全运行的威胁性、脆弱性、风险性和基础运行四个方面建立了一套网络安全态势评估体系。通过层次分析法对该评价体系进行计算,获得可以表征网络安全运行状态的综合安全指数。在该体系的基础上,利用BP神经网络对网络安全状态进行预测,实验结果表明,采用BP神经网络可以较好地对网络的安全态势进行预测,在相关研究领域有一定的借鉴价值。

基于灰色理论和BP神经的网络安全态势预测

针对现有的网络安全态势预测方法没有从影响网络安全态势的安全因子入手,不能准确地预测未来网络安全态势,提出了一种基于灰色理论和BP神经网络的预测方法。首先依据灰色模型系数的取值大小选择最合适的背景值,并构造了一种新的模型背景值函数。其次,结合GM(1,1)、GM(1,N)模型预测网络安全态势,并用BP神经网络对态势预测值进行修正。最后,通过真实的网络环境验证了所提出的方法在网络安全态势预测中的有效性。

BP神经网络的网络安全态势评估探讨

随着网络攻击行为事件的频繁发生,互联网安全受到人们的持续关注,人们对于网络安全性能也有了更高的要求。网络安全态势分析提升了网络发展趋势,应用遗传算法优化改进BP神经网络权值以此来获取全局最优解,加快了网络收敛速度,并将其应用在训练好的网络安全态势评估模型中,实验结果表明,提出的基于BP神经网络安全态势评估模型中具备较好的训练集以及收敛速度,评估效率也更符合预期值。

基于改进的BP神经网络的网络空间态势感知系统安全评估

文中利用BP神经网络算法建立了网络态势感知等级与感知参数之间的关系,定量评估了态势感知状况。神经网络在这一领域的研究最为成熟,但传统的BP神经网络算法在反馈误差方面速度较慢,且存在易收敛到局部极值的缺点,因此使用变步长学习策略和模拟退火法进行优化,搭建虚拟HoneyNet模拟网络环境,然后利用Matlab软件进行算法仿真,获得的结果与实际情况接近。

基于小波包分解的BP神经网络的短期风速预测

针对风速信号不稳定而引起的风速预测精度不高问题,文章提出了一种短期风速预测方法,其通过小波包分解将不稳定的风速信号转化为相对稳定的风速信号,再对其进行BP神经网络预测,从而提高短期风速预测精度。仿真计算结果表明,基于小波包分解的BP神经网络的短期风速预测模型的平均绝对百分比误差(MAPE)、均方根误差(RMSE)、平均绝对误差(MAE)均低于其他短期风速预测方法的各项误差,在短期风速预测中具有一定的优越性。

基于SOA_BP神经网络的网络安全态势预测算法研究

当前网络安全形势日益严峻,为了提高网络安全态势预测的准确性,提出了一种基于人群搜索算法优化BP神经网络的网络安全态势预测方法.本算法利用人群搜索算法特有的利己、利他、预动和不确定推理四大行为特征确定搜索策略,找到最佳适应度个体,获取最优权值和阈值,然后再对BP神经网络的随机初始阈值和权值进行赋值,经过神经网络训练后得到预测值,最后与其它两种优化算法得到的预测值进行对比.实验表明,该算法用于网络安全态势预测精准度更高,误差更小,并具有更好的稳定性.

基于改进贝叶斯正则化BP神经网络模型的网络安全态势预测方法研究

随着互联网的迅速发展,网络安全问题越来越严重,分析及预测网络安网络安全态势,对于网络安全具有重要意义。本文在网络安全态势量化的的基础上,改进贝叶斯算法,提出一种改进型贝叶斯正则化BP神经网络模型的网络安全态势预测方法,通过模拟网络环境进行数据分析,验证了该预测方法可以减小了训练误差和预测误差,提高了对网络安全态势预测精度,证明了该方法的可行性。

基于ADMPDE-WNN的网络安全态势预测方法

精确预测网络安全态势,对分析网络安全态势和趋势、调整安全策略具有重要意义。针对复杂网络系统规模变化,建立了层次化网络安全态势评估模型;在分析小波神经网络(WNN)基本原理及优缺点的基础上,将具有寻优能力强、收敛速度快的自适应局部增强微分进化算法(ADMPDE)与WNN算法相结合,提出了基于ADMPDE-WNN的态势预测方法。通过仿真实验分析,ADMPDE-WNN算法大大减小了训练误差和预测误差,提高了网络安全态势预测精度。基于ADMPDE-WNN的网络安全态势预测是一种科学、合理的预测方法,具有一定的理论意义和应用价值。

神经网络的网络平台安全态势感知研究

面对现今严重的的网络安全问题，文章运用BP神经网络技术，对用户网络安全态势进行评估，并根据网络态势感知中的预测精度，提出了基于广义RBF神经网络的网络安全态势预测方法，得到网络态势值的非线性映射关系，实现网络平台安全态势感如与预测，并在实验验证基础上，证明了该方法在网络安全态势感知与预测中的准确性，可以有效提高网络安全的主动安全防护能力。

基于极限学习机的网络安全态势预测模型

在网络安全问题的研究中很多因素会造成网络不安全.网络安全态势预测技术能够从整体上反映网络安全状况.为了提高网络态势风险预测的准确性,提出了基于极限学习机的网络安全态势预测模型.使用MATLAB进行仿真,预测态势值.仿真结果表明,采用基于极限学习机的预测模型,学习速度快,精度高,可以较好地对网络安全态势进行预测.

面向发电集团的网络安全态势智能感知系统设计

网络安全态势高精度、全面感知的研究,对优化发电集团电力信息系统网络安全性、应急响应能力存在重要价值,为此,设计一种面向发电集团的网络安全态势智能感知系统。系统通过事件采集单元,采集电力信息系统网络信息,并将此信息汇入事件采集服务器进行预处理后,传输至管理控制单元通过基于布谷鸟搜索优化BP神经网络的网络安全态势感知方法,实现网络安全态势智能感知,且工作人员可使用系统管理控制台对发电集团的网络安全态势实现远程智能监控。实验测试结果表明:该系统使用时,需要将发现概率设成0.15、布谷鸟种群规模设成55只,此时系统感知能力最显著;不同入侵模式下,系统对网络安全态势漏检比率仅有1%,可高精度、全面感知网络安全态势。

基于RBF神经网络的网络安全态势感知预测研究

针对网络安全态势的感知问题,结合巨龙山和者磨山风电场的运行情况,文章提出了基于径向基函数(RBF)神经网络的网络安全态势预测模型,采用K-means聚类算法对网络参数进行优化并感知网络安全态势,并采用训练数据来训练该模型。训练结果表明,该方法能较准确的获得态势预测结果,具有较高的检测准确率,与BP神经网络预测对比也显示出更高的精度与更好的适应性。