基于APDE-RBF神经网络的网络安全态势预测方法

发布时间：2017-10-11 02:30

  本文关键词：基于APDE-RBF神经网络的网络安全态势预测方法

  更多相关文章： 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

【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。
【作者单位】： 重庆邮电大学移动通信技术重庆市重点实验室;
【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
【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
【分类号】：TP183;TP393.08
【正文快照】： 0引言随着各种网络安全问题层出不穷,网络安全问题越来越受到重视。网络安全态势预测是目前网络安全领域的一个研究热点,不同于以往的入侵检测和防火墙等被动防御手段,网络安全态势预测是主动防御机制[1]。网络安全态势预测主要是为了在网络受到攻击损失前网络管理员采取相对，

本文编号：1010016