基于混合优化RBF神经网络的网络安全态势预测模型
本文选题：网络安全 + 径向基函数神经网络 ； 参考：《兰州大学》2017年硕士论文
【摘要】：信息化的普及给我们带来生活上的便利和生产方式的变革,但同时它对于人们的隐私和财产安全有着巨大的隐患。因此,将历史网络安全数据和近期的网络安全状况相结合,预测未来短期内的安全威胁,这对于保障网络环境的健康十分重要。本文详细研究网络安全态势预测的相关理论基础和现在常用到的预测模型,提出一种基于改进人工鱼群和粒子群混合优化RBF神经网络的网络安全态势预测模型。主要工作如下:(1)通过对人工鱼群算法的研究,发现其觅食行为中的尝试次数影响算法的收敛效率。因此本文提出使用模拟退火算法中的Metropolis准则改进觅食行为,提高收敛效率的同时也利于算法在迭代的前期跳出局部极值点;其次,对人工鱼群每次迭代中的最优鱼引入高斯变异算子,并通过Metropolis准则进行变异接收,提高人工鱼群的全局搜索能力。(2)分析人工鱼群算法和粒子群算法的优缺点,结合人工鱼群的全局搜索能力以及粒子群的局部收敛效率的优点,使用改进人工鱼群和粒子群混合算法对RBF神经网络的参数选择进行优化。根据样本数据的特点设计RBF神经网络的结构,从而构建基于混合算法优化RBF神经网络的网络安全态势预测模型。(3)通过仿真实验以及与其他预测模型的对比分析,验证基于混合优化RBF神经网络的预测模型对于网络安全态势值预测的精确度和性能。仿真实验结果表明,本文提出的预测模型对网络安全态势的预测与实际趋势基本一致,预测精确度优于进行对比的预测模型。
[Abstract]:In this paper , based on the characteristics of artificial fish swarm optimization and particle swarm optimization , this paper proposes a kind of network security situation prediction model based on improved artificial fish swarm optimization and particle swarm optimization ( RBF ) neural network .
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP393.08;TP183
【相似文献】
相关期刊论文 前10条
1 颜璐;;用于星座独立信号的盲RBF均衡器[J];科技资讯;2010年07期
2 张雅;向虎;郭芳瑞;张自亮;;RBF网络模型参考自适应控制在温度控制中的仿真研究[J];系统仿真学报;2008年02期
3 刘慧明;刘亮;董洪灿;;基于RBF网络的模型参考自适应控制[J];青岛科技大学学报(自然科学版);2008年01期
4 赵芳;孟凡荣;;基于RBF网络的煤与瓦斯突出预测研究[J];微计算机信息;2009年03期
5 危志明;;RBF网络在图书馆流通量预测中的应用[J];科技情报开发与经济;2009年06期
6 龙华;;基于免疫遗传算法和梯度下降的RBF网组合训练方法[J];计算机与现代化;2011年03期
7 苗青,曹广益,朱新坚;基于一种改进的RBF神经网络的直接甲醇燃料电池建模[J];系统仿真学报;2005年02期
8 杨胡萍;白慧;刘家学;张力;;基于改进RBF神经网络的电力系统短期负荷预测[J];东华大学学报(自然科学版);2008年02期
9 滕利强;;基于RBF模糊神经网络控制器的设计及仿真[J];科技资讯;2011年09期
10 夏继伟;栾航;吴晶;;基于RBF神经网络的港口大气污染预警研究模型[J];商业文化(学术版);2007年07期
相关会议论文 前10条
1 张琳;李海森;;基于模糊聚类算法的RBF网络在漏钢预报中的应用[A];中国计量协会冶金分会2007年会论文集[C];2007年
2 彭正勇;;基于RBF神经网络的巷道围岩松动圈厚度预测[A];全国金属矿山采矿新技术学术研讨与技术交流会论文集[C];2007年
3 王海荣;;基于遗传RBF网络时间序列的城市火灾预测[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年
4 王玮;何建新;许丽生;;基于RBF神经网络的气温预报模型的研究[A];中国气象学会2008年年会第二届研究生年会分会场论文集[C];2008年
5 宋宜斌;王培进;;一种改进的RBF神经网络预测模型[A];2005年中国智能自动化会议论文集[C];2005年
6 李亚芬;杨扬;;基于RBF网的CSTR内模控制[A];第二十届中国控制会议论文集（下）[C];2001年
7 王俊松;田库;刘玉敏;张兴会;李建国;刘玉亮;;基于RBF神经网络的肿瘤组织热传导过程建模及软测量[A];第25届中国控制会议论文集（上册）[C];2006年
8 徐中;辛志东;叶希贵;;基于RBF神经网络水处理系统建模与仿真[A];第六届全国表面工程学术会议论文集[C];2006年
9 黄艳清;曹长修;孙圣军;;基于自反馈RBF神经网络的高炉热状态预测模型[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年
10 吕强;郝继红;段运波;许耀铭;;基于RBF网络的非线性系统输出跟踪控制[A];1994中国控制与决策学术年会论文集[C];1994年
相关博士学位论文 前2条
1 赵斌;基于RBF网络的北方温室温湿度控制机理的研究[D];东北林业大学;2010年
2 曾祥萍;自适应组合RBF滤波器理论及其应用研究[D];西南交通大学;2013年
相关硕士学位论文 前10条
1 赖智全;基于混合优化RBF神经网络的网络安全态势预测模型[D];兰州大学;2017年
2 杜盟盟;基于RBF神经网络的机械手轨迹跟踪控制方法研究[D];河南科技大学;2015年
3 张力;基于RBF神经网络和标签关联的多标签学习[D];东南大学;2016年
4 邱龙;导向钻井稳定平台RBF-滑模变结构控制[D];西安石油大学;2016年
5 夏文学;基于RBF神经网络的股价操纵判别研究[D];武汉轻工大学;2016年
6 王翠;基于灰色理论和RBF神经网络民航客运量预测方法研究[D];北京交通大学;2008年
7 尹德武;RBF的改进及在中国轿车市场预测中的应用研究[D];大连理工大学;2006年
8 翟伟;基于自适应RBF神经网络的商业银行信贷风险预警评估研究[D];重庆工商大学;2008年
9 李志强;基于RBF神经网络在线辨识的永磁无刷直流电机单神经元自适应PID控制[D];天津大学;2005年
10 高彦荷;基于混合递阶遗传算法的RBF神经网络优化及应用[D];四川大学;2004年
，本文编号：1924157
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/1924157.html
