基于RBF神经网络的网络安全态势感知预测研究

发布时间：2021-05-13 19:03

　　针对网络安全态势的感知问题,结合巨龙山和者磨山风电场的运行情况,文章提出了基于径向基函数（RBF）神经网络的网络安全态势预测模型,采用K-means聚类算法对网络参数进行优化并感知网络安全态势,并采用训练数据来训练该模型。训练结果表明,该方法能较准确的获得态势预测结果,具有较高的检测准确率,与BP神经网络预测对比也显示出更高的精度与更好的适应性。 

【文章来源】：网络空间安全. 2020,11(05)

【文章页数】：7 页

【文章目录】：
1 引言
2 者磨山风电场和巨龙山风电场运行状况
3 RBF神经网络基本原理与设计
4 模型评价指标
5 实验分析
    5.1 实验设备与试验数据
    5.2 仿真结果及分析
6 结束语


【参考文献】：
期刊论文
[1]大型水电站电力监控系统网络安全态势感知系统应用与研究[J]. 郭杰华.  科技创新与应用. 2019(35)
[2]网络安全态势感知研究综述[J]. 石乐义,刘佳,刘祎豪,朱红强,段鹏飞.  计算机工程与应用. 2019(24)
[3]水电厂网络安全态势感知系统的实现[J]. 宗和刚,张朝粤.  水电站机电技术. 2019(09)
[4]基于RBF神经网络的网络安全态势感知[J]. 程家根,祁正华,陈天赋.  南京邮电大学学报(自然科学版). 2019(04)
[5]网络安全态势感知分析框架与实现方法比较[J]. 李艳,王纯子,黄光球,赵旭,张斌,李盈超.  电子学报. 2019(04)
[6]基于卷积神经网络的网络攻击检测[J]. 秦丽娜.  兰州工业学院学报. 2019(01)
[7]基于改进的BP神经网络的网络空间态势感知系统安全评估[J]. 陈维鹏,敖志刚,郭杰,余勤,童俊.  计算机科学. 2018(S2)
[8]电力监控系统网络安全态势感知与预测研究[J]. 李曼.  网络空间安全. 2017(Z5)
[9]基于神经网络的网络安全态势感知[J]. 谢丽霞,王亚超,于巾博.  清华大学学报(自然科学版). 2013(12)
[10]基于智能Agent的电力信息网络安全态势感知模型研究[J]. 蒋诚智,余勇,林为民.  计算机科学. 2012(12)

硕士论文
[1]基于RBF神经网络的水质预测模型研究[D]. 张丽娜.河北工程大学 2019
[2]电力行业网络安全态势感知研究[D]. 陈连栋.华北电力大学 2015
[3]网络安全态势感知系统设计与关键模块实现[D]. 李林.北京邮电大学 2015



本文编号：3184547