10.3969/j.issn.1672-9870.2019.06.023
用于网络安全态势预测的SAGPSO-SVM模型研究
网络安全态势预测精度不足,导致主动防御不及时.本文提出一种基于模拟退火与高斯扰动的粒子群算法(SAGPSO)与支持向量机(SVM)结合的预测模型,首先在传统粒子群(PSO)算法基础上引入模拟退火的思想,避免局部极值,对较优个体进行高斯扰动,然后利用该算法的全局收敛性强、收敛速度快和精确度高的特点对SVM参数进行优化,最后运用获取的模型参数进行预测,从而提高预测精度,并将此模型的预测结果与PSO-SVM和SAPSO-SVM预测模型的预测结果进行对比.结果表明,SAGPSO-SVM是一个预测精度高而且能够更加准确的描述网络安全态势变化趋势的预测模型.
安全态势预测、粒子群算法、支持向量机、参数优化、高斯扰动
42
TP393.0(计算技术、计算机技术)
吉林省科技计划项目20190201267JC
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共3页
126-128