应用深度自编码网络的网络安全态势评估

发布时间：2023-02-03 09:50

　　针对BP神经网络类方法对标签数据的依赖性缺陷,提出了一种基于深度自动编码网络的态势评估方法。模型应用深度自动编码器作为基本单元构建深度自编码网络,结合专家经验和层次化评估的方法训练深度自编码网络。利用无标签数据采用无监督逐层算法对网络进行预训练,确定网络各层参数及权值的范围空间。在此基础上,采用有监督算法使用有标签样本对网络进行微调,对各层参数及权值进行优化,最终形成具有对输入态势数据进行准确评估能力的模型。多种样本数量条件下的对比实验表明,相对于BP神经网络类方法,基于深度自动编码网络模型受标签的影响较小,明显减少了对专家经验的依赖,并且具有整体上较高的评估精度。 

【文章页数】：7 页

【文章目录】：
1 引言
2 深度自编码网络
    2.1 BP神经网络及标签依赖问题
    2.2 自动编码器与深度自编码网络
    2.3 训练深度自编码网络
    2.4 过拟合及克服方法
3 基于深度自编码网络的网络安全态势评估
    3.1 网络安全态势指标
    3.2 态势评估
4 仿真实验
    4.1 实验环境
    4.2 安全态势评估实验
        4.2.1 实验过程
        4.2.2 对比实验和分析
5 结语


【参考文献】：
期刊论文
[1]基于布谷鸟搜索优化BP神经网络的网络安全态势评估方法[J]. 谢丽霞,王志华.  计算机应用. 2017(07)
[2]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺.  计算机学报. 2016(08)
[3]基于灰色理论和BP神经的网络安全态势预测[J]. 邓勇杰,文志诚,姜旭炜.  微型机与应用. 2015(20)
[4]基于粗糙集神经网络的网络安全态势评估方法[J]. 姜旭炜,文志诚,邓勇杰.  湖南工业大学学报. 2015(03)
[5]基于Rough-Vague集与证据理论的态势估计方法[J]. 余小游,曹守富,陈铁军.  计算机工程与应用. 2016(10)
[6]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)
[7]网络态势感知中的指标体系研究[J]. 王娟,张凤荔,傅翀,陈丽莎.  计算机应用. 2007(08)
[8]层次化网络安全威胁态势量化评估方法[J]. 陈秀真,郑庆华,管晓宏,林晨光.  软件学报. 2006(04)
[9]基于模糊矩阵博弈的网络安全威胁评估[J]. 闫怀志,胡昌振,谭惠民.  计算机工程与应用. 2002(13)



本文编号：3734505