基于分级优化置信规则库的网络安全态势预测方法

发布时间：2021-10-21 14:07

　　基于置信规则库的网络安全态势预测将定性经验知识与定量网络数据结合,具有较好的预测效果,但当训练数据分布不均时,传统整体优化的预测方法易导致过拟合造成预测精度较低。为此,利用置信规则库中规则作用范围有限的特性,提出一种将置信规则库分级优化的网络安全态势预测方法。建立模型作用空间并划分规则作用域,将训练数据按照输入坐标分配到对应的规则作用域,通过设定临界值将规则划分为可完全优化、可部分优化与不可优化3个等级,同时减少规则中待优化参数量。实验结果表明,与GAO-BRB、PSO-BRB等预测方法相比,本文方法能有效避免过拟合现象,网络安全态势预测精度更高。 

【文章来源】：计算机工程. 2020,46(12)北大核心CSCD

【文章页数】：7 页

【部分图文】：

置信规则库优化模型

网络安全态势变化具有规律性,在一定程度上可反映出攻击者的意图,通常采用时间序列方法预测网络态势。基于分级优化置信规则库的网络安全态势预测由研究人员根据经验建立初始置信规则库模型,再分级优化置信规则库,具体过程如图2所示。3 实验与结果分析

本文实验网络环境如图3所示。其中,网络安全评估设备用于识别网络违法行为并评估网络安全态势。网络安全态势评估周期为1天,记录实验网络连续运行103天的网络安全态势值构成网络安全态势预测时间序列,如图4所示。图4 网络安全态势序列

【参考文献】：
期刊论文
[1]基于改进粒子群置信规则库参数训练算法[J]. 杨慧,吴沛泽,倪继良.  计算机工程与设计. 2017(02)
[2]置信规则库专家系统学习优化问题的研究[J]. 常瑞,白杨森,孟庆涛.  华北水利水电大学学报(自然科学版). 2015(04)

博士论文
[1]基于置信规则库的网络安全态势感知技术研究[D]. 胡冠宇.哈尔滨理工大学 2016



本文编号：3449131