基于概率神经网络的安全态势要素提取

发布时间：2021-02-08 13:31

　　网络安全态势要素提取精度的高低直接影响着态势感知系统的性能,针对在复杂异构的网络环境中网络安全态势要素提取困难的问题,文章提出了一种基于概率神经网络的安全态势要素提取方法。在该方法中,通过粗糙集对原始数据进行属性约简,删除冗余属性,然后,使用概率神经网络对约简后的数据集进行分类训练。为验证该方法的有效性,使用NSL-KDD数据集对该要素提取方法进行仿真测试。实验分析结果表明,该方法是一种有效、可行的态势要素提取方法,与其传统方法相比,该方法明显地提高了网络态势要素提取的准确性,为网络安全态势的评估和预测提供了有力的数据保障。 

【文章来源】：网络空间安全. 2020,11(10)

【文章页数】：6 页

【文章目录】：
1 引言
2 粗糙集基本理论
    2.1 知识的表示
    2.2 不可分辨关系
    2.3 集合的上下近似
    2.4系统参数的重要度
    2.5 知识的依赖度
3 概率神经网络
4 基于概率神经网络的安全态势要素提取
5 实验与分析
    5.1 实验数据
    5.2 实验分析
6 结束语


【参考文献】：
期刊论文
[1]基于信息增益的贝叶斯态势要素提取[J]. 戚犇,王梦迪.  信息网络安全. 2017(09)
[2]基于DSimC和EWDS的网络安全态势要素提取方法[J]. 赖积保,王慧强,郑逢斌,冯光升.  计算机科学. 2010(11)



本文编号：3023997