基于PSO-FNN的網(wǎng)絡安全態(tài)勢評測研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩82頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、隨著Internet的飛速發(fā)展，網(wǎng)絡安全問題日漸凸出，如果不能很好地解決這個問題，必將阻礙網(wǎng)絡發(fā)展的進程。如何自動的從設備記錄的海量數(shù)據(jù)中獲取網(wǎng)絡安全態(tài)勢成為一個迫切需要解決的問題。神經(jīng)網(wǎng)絡由于具有人工智能的特性，可以被用于自動網(wǎng)絡安全態(tài)勢獲取的研究。
　　由于網(wǎng)絡運行數(shù)據(jù)中包含大量的非數(shù)字信息，傳統(tǒng)的神經(jīng)網(wǎng)絡不能直接用于網(wǎng)絡安全態(tài)勢的獲取。反向傳播（BP，Back Propagation）神經(jīng)網(wǎng)絡結構由于其固有的缺點，往往訓練速

2、度慢，學習效率低，預測精度不高，所以不滿足網(wǎng)絡安全態(tài)勢安全要素高效性的要求。本文結合模糊邏輯、神經(jīng)網(wǎng)絡和粒子群優(yōu)化（PSO， Particle Swarm Optimization）算法的優(yōu)點，將PSO算法用于對模糊神經(jīng)網(wǎng)絡模糊層中心的訓練，以實現(xiàn)對輸入樣本聚類，從而確定模糊神經(jīng)網(wǎng)絡的隸屬度中心，最終得以實現(xiàn)用粒子群聚類算法優(yōu)化模糊神經(jīng)網(wǎng)絡，得到PSO-FNN模型，并將該模型應用于網(wǎng)絡安全要素的獲取。基于KDD CUP1999數(shù)據(jù)集，首

3、先構建好PSO-FNN網(wǎng)絡模型，選用適當?shù)臉颖緮?shù)據(jù)來訓練該網(wǎng)絡，并用部分數(shù)據(jù)來檢驗該模型的有效性。結果表明，PSO-FNN模型對網(wǎng)絡安全態(tài)勢要素提取分類的精確度很高，且其分類收斂快，絕對誤差小，泛化能力強，各項評價指標好。相比BP神經(jīng)網(wǎng)絡，其網(wǎng)絡的收斂速度和預測的精度得到明顯提高。
　　因此，PSO-FNN模型是一種有效的態(tài)勢要素提取技術。所提取的分類結果的可用于網(wǎng)絡安全的情況進行分析，其結果還可以幫助網(wǎng)絡管理員來深入分析網(wǎng)絡安全

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論