基于RAN-RBF神经网络的网络安全态势预测模型
为了更准确地获悉网络安全态势的发展情况,提出了一种基于资源分配网络径向基函数(Resource Allocating Network Radical Basis Function,RAN-RBF)神经网络的网络安全态势预测(Network Security Situation Prediction,NSSP)模型.该模型采用资源分配网络算法对网络安全态势样本进行聚类,得到神经网络的隐含层节点数,引入剪枝策略删除对网络贡献不大的节点,用改进的粒子群算法(Modified Particle Swarm Optimization,MPSO)对神经网络的中心、宽度、权值进行优化,对未来网络安全态势进行预测.利用校园网网络管理部门提供的数据进行的仿真实验表明,相对于K-均值RBF神经网络预测模型,该模型可以得到更合适的RBF神经网络结构和控制参数,提高了预测精度,更加直观地反映了网络安全态势的总体情况,为网络安全管理员提供了态势图.
资源分配网络径向基函数(RAN-RBF)神经网络、网络安全态势预测(NSSP)、改进的粒子群算法(MPSO)、态势图
43
TP309(计算技术、计算机技术)
国家自然科学基金项目61272043;重庆市基础与前沿研究重点项目cstc2013jjB40009
2016-12-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
388-392