基于ANFIS的网络节点资源风险评估研究

发布时间：2021-11-09 19:27

　　计算机网络已经成为人类生活不可或缺的一部分,伴随着互联网应用的逐渐深入,网络中也隐藏着越来越多的恶意攻击行为。网络攻击或超限使用都可以导致网络节点资源变得紧张,网络节点性能不断下降,甚至面临着崩溃的风险。一旦网络节点瘫痪将会造成较大的经济损失,通过研究网络节点资源的风险值可以分析评估节点主机的安全状况,保障节点的正常运行和用户良好的体验,因此研究网络节点资源风险评估具有一定的实际意义。当网络节点主机遭受攻击或超限使用时,网络节点主机的网卡流量、CPU的利用率、磁盘的占有率以及内存的使用率等主要资源指标势必会出现异常波动的情况,它们的波动并不是各自独立的,而是存在一定的相关性。因此建立网络节点资源风险评估模型时,需要考虑网络节点资源序列的非线性,时变性和不确定性等因素。传统的基于数学公式建立模型的风险评估方法对非线性和时变性的处理较为困难,而自适应模糊推理系统（ANFIS）可以不依赖待处理对象的精确数学公式分析,模型参数会根据训练数据来进行不断的自我调整,达到稳定的状态。基于此,本文提出了一种利用自适应模糊推理系统构建的网络节点资源风险评估模型。论文首先叙述了利用基于网格划分（Grid ... 

【文章来源】：湖北工业大学湖北省

【文章页数】：53 页

【学位级别】：硕士

【图文】：

三角型隶属度函数图

图 2.3 梯形隶属度函数图（2）三角型隶属函数角型隶属度函数表达式如下：（2-16三角型隶属度函数的定义域由 u 表示，函数曲线的表现形式由三个参数决定数 a 决定了函数图形的起点，参数 b 决定了函数图形的顶点，而参数 c 决定数图形的终点。该隶属度函数的曲线表现形式如图 2.4 所示：

该隶属度函数图如图 2.5 所示：图 2.5 钟型隶属度函数图（4）高斯型隶属函数高斯型隶属函数的表达式如下所示：（2-高斯型隶属函数的定义域由 u 决定，其中 c 是参数，sig 是自变量。该隶函数图如图 2.6 所示：

【参考文献】：
期刊论文
[1]基于BP神经网络决策的KNN改进算法[J]. 路敦利,宁芊,臧军.  计算机应用. 2017(S2)
[2]基于贝叶斯网络的网络风险评估研究[J]. 李军,熊飞,钮焱.  软件导刊. 2017(04)
[3]基于大型数据集的聚类算法研究[J]. 杜淑颖.  软件. 2016(01)
[4]基于ANFIS的温湿度控制[J]. 吴陈,陈冠洋.  电子设计工程. 2015(13)
[5]基于博弈模型的网络风险量化评估方法[J]. 张树伟,刘文芬,魏江宏.  信息工程大学学报. 2014(02)
[6]基于ANFIS的人因失误风险严重度识别[J]. 李鹏程,陈国华,张力,戴立操,陈青青.  中国安全科学学报. 2014(01)
[7]汽车声品质的GA-BP神经网络预测与权重分析[J]. 高印寒,唐荣江,梁杰,赵彤航,张澧桐.  光学精密工程. 2013(02)
[8]网络安全风险评估的云决策[J]. 陈亮,潘惠勇.  计算机应用. 2012(02)
[9]基于BP神经网络的股价趋势分析[J]. 许兴军,颜钢锋.  浙江金融. 2011(11)
[10]基于改进隐马尔可夫模型的网络动态风险评估[J]. 李胜现,田东平,刘建华.  现代电子技术. 2011(03)

博士论文
[1]动态攻击网络演化建模与防御策略研究[D]. 李艳.西安建筑科技大学 2017
[2]基于模糊规则的知识发现与表示研究[D]. 王显昌.大连理工大学 2015
[3]基于攻击图理论的网络安全风险评估技术研究[D]. 戴方芳.北京邮电大学 2015
[4]网络安全风险评估关键技术研究[D]. 吴金宇.北京邮电大学 2013

硕士论文
[1]基于模糊控制的智能交通研究[D]. 何佩伦.西安科技大学 2017
[2]基于样本数据的模糊规则提取方法研究及其应用[D]. 孙胜杰.中国科学技术大学 2016
[3]基于GA-ANFIS的股指预测研究[D]. 陈安辉.哈尔滨工业大学 2015
[4]基于ANFIS模型的动力锂离子电池SOC估算算法研究[D]. 王明悦.湖北工业大学 2012
[5]基于网络风险评估的自动入侵响应系统的研究[D]. 许莉.电子科技大学 2011



本文编号：3485933