基于 APDE-RBF 神经网络的网络安全态势预测方法

摘要：

为了提高径向基函数（radical basis function，RBF）神经网络对网络安全态势的预测精度，提出了一种基于吸引力传播（affinity propagation，AP）聚类和差分进化（differential evolution，DE）优化 RBF 神经网络的算法。首先，利用 AP 聚类算法对样本数据进行划分聚类，从而获得 RBF 的中心和网络的隐含层节点数；其次，利用 AP 聚类得出种群差异度，自适应地改变 DE 算法的缩放因子和交叉概率，对 RBF 的宽度和连接权值进行优化；同时为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索。通过仿真实验表明，此算法在泛化能力增强的同时，对网络安全态势也达到了较高的预测精度。

关键词：径向基函数、吸引力传播聚类、差分进化、种群差异度、混沌搜索

所属期刊栏目：38

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金项目61271260，61301122；重庆市科委自然科学基金项目cstc2015jcyjA40050资助课题

在线出版日期：2017-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2869-2875