基于SOA_BP神经网络的网络安全态势预测算法研究

张然; 刘敏; 张启坤; 甘勇

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SOA_BP神经网络的网络安全态势预测算法研究

更新时间：2026-09-04

- 基于SOA_BP神经网络的网络安全态势预测算法研究
- Research on network security situation prediction algorithm based on SOA_BP neural network
- 微电子学与计算机 2020年37卷第6期页码：62-65
- 作者机构：
  
  1. 郑州轻工业大学计算机与通信工程学院,河南,郑州,450002
  2. 郑州工程技术学院机构信息工程学院,河南,郑州,450044
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61772477河南省重点科技攻关项目 142102210081河南省高等学校重点科研项目计划支持 13B520322河南省产学研合作项目 132107000066
- DOI：
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
张然, 刘敏, 张启坤, 甘勇. 基于SOA_BP神经网络的网络安全态势预测算法研究[J]. 微电子学与计算机, 2020, 37(6): 62-65, 69.

ZHANG Ran, LIU Min, ZHANG Qi-kun, et al. Research on network security situation prediction algorithm based on SOA_BP neural network[J]. 2020, 37(6): 62-65.
张然, 刘敏, 张启坤, 甘勇. 基于SOA_BP神经网络的网络安全态势预测算法研究[J]. 微电子学与计算机, 2020, 37(6): 62-65, 69. DOI：

ZHANG Ran, LIU Min, ZHANG Qi-kun, et al. Research on network security situation prediction algorithm based on SOA_BP neural network[J]. 2020, 37(6): 62-65. DOI：

摘要

当前网络安全形势日益严峻，为了提高网络安全态势预测的准确性，提出了一种基于人群搜索算法优化BP神经网络的网络安全态势预测方法.本算法利用人群搜索算法特有的利己、利他、预动和不确定推理四大行为特征确定搜索策略，找到最佳适应度个体，获取最优权值和阈值，然后再对BP神经网络的随机初始阈值和权值进行赋值，经过神经网络训练后得到预测值，最后与其它两种优化算法得到的预测值进行对比.实验表明，该算法用于网络安全态势预测精准度更高，误差更小，并具有更好的稳定性.

Abstract

The current cybersecurity situation is getting worse. In order to improve the accuracy of network security situation prediction

a network security situation prediction method based on SOA_BP neural network is proposed. The algorithm uses the four behavioral characteristics of SOA algorithm: the self-interest

altruism

pre-action and uncertainty reasoning to determine the search strategy

find the best fitness individual

obtain the optimal weight and threshold

and then assign them to the random initial weights and thresholds. After training the neural network

the predicted values are obtained. Finally

it is compared with the predicted values obtained by othertwo optimization algorithms. The experimental results show that this prediction algorithm has higher accuracy

smaller error and better stability

关键词

Keywords

references

TIM BASS. Multisensordata fusion for next generation distributed intrusion detection system[C]. // In Proceedings of 1999 IRIS National Symposium on Senor and Data Fusion, America: The Johns Hopkins University, 1999: 1-6.

陆冬.基于GA-Elman神经网络的网络态势预测模型研究[D].杭州: 浙江大学, 2017.

钱兆楼.一种基于改进粒子群算法优化BP神经网络的预测方法[J].电子测试, 2015(20):39-40. DOI: 39

张连强, 王东风.基于改进人群搜索算法的PID参数优化[J].计算机工程与设计, 2016, 37(12):3389-3393. DOI: 3389

张任川, 张玉臣, 刘璟, 等.应用改进卷积神经网络的网络安全态势预测方法[J].计算机工程与应用, 2019, 55(6):86-93. DOI: 86

陈维鹏, 敖志刚, 郭杰, 等.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].计算机科学, 2018, 45(S2):335-337+341. DOI: 335

高学金, 付龙晓, 武翠霞, 等.基于ISOA的LS-SVM地铁站空调系统能耗预测模型[J].计算机与现代化, 2018(10):36-43. DOI: 36

RUMELHART D E, HINTON G E, WILLIAMS R J. Learning representations by back-propagating errors[J]. Nature, 1986, 323(3):533-536. DOI: 533

赵伟.基于SOA-SVM的网络入侵检测方法研究[J].自动化与仪器仪表, 2015(1):39-42. DOI: 39

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于随机森林的僵尸网络流量检测

一种新的网络安全态势评估方法

基于入侵检测的分布式防火墙的应用研究

注意力机制与改进密集卷积引导的信息隐藏模型

一种基于特征上下文理解与切片分析的肺结核检测算法