CMA-ES算法优化网络安全态势预测模型

杨明‘; 胡冠宇; 刘倩

doi:10.15938/j.jhust.2017.02.026

Chinese

您当前的位置：

首页 >

文章列表页 >

CMA-ES算法优化网络安全态势预测模型

计算机与控制工程 | 更新时间：2026-08-31

- CMA-ES算法优化网络安全态势预测模型
- A method for Network Security Situation Prediction Based on CMA一RBF Model
- 哈尔滨理工大学学报 2017年22卷第2期页码：140-144
- 作者机构：
  
  1. 2海南师范大学信息科学技术学院，海南海u s}llss
  2. 3长春市十一高中信息技术教研组，吉林长春130000&gt
- 作者简介：
- 基金信息：
  
  吉林省教育厅利一学技术研究项目(吉教利一合字[2014]第145号，[2016]第344号);海南省自然利一学基金面上项目(617120,
- DOI：10.15938/j.jhust.2017.02.026
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
杨明‘, 胡冠宇, 刘倩. CMA-ES算法优化网络安全态势预测模型[J]. 哈尔滨理工大学学报, 2017,22(2):140-144.

YANG MiuR-`, HU Guau-yuZ, LIU伪au. A method for Network Security Situation Prediction Based on CMA一RBF Model[J]. 2017, 22(2): 140-144.
杨明‘, 胡冠宇, 刘倩. CMA-ES算法优化网络安全态势预测模型[J]. 哈尔滨理工大学学报, 2017,22(2):140-144. DOI： 10.15938/j.jhust.2017.02.026.

YANG MiuR-`, HU Guau-yuZ, LIU伪au. A method for Network Security Situation Prediction Based on CMA一RBF Model[J]. 2017, 22(2): 140-144. DOI： 10.15938/j.jhust.2017.02.026.

摘要

针对网络安全态势预测问题，提出了一种预测方法。该方法采用协方差矩阵自适应进化策略(CMA-ES )算法来优化径向基神经网络(RBF)预测模型中的参数，使得RBF预测模型具备更好的泛化能力，可以快速的找出复杂时间序列中的规律。仿真实验结果表明，采用CMA-ES优化的RBF预测模型能够准确预测出一段时间内的网络安全态势值，预测精度高于传统预测手段。

Abstract

A method for network security situation prediction is proposed，where the covariance matrixadaptation evolution strategy algorithm(CMA-ES)is used to optimize the parameters of the radial basisneural network forecasting model(RBF)，which makes the forecasting model have superior ability

andC月nfunctionquicklyfind out the rules of the complex timepre(11Ct the netWOrk seCUrlty sltuatlOn，Ser1eS.The simulations results show thatthe proposed methodtradltlOnal pre(11CtlOncan accuratelyand has better prediction accuracy thanmethods.

关键词

Keywords

references

浏览量

1822

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

不同温度环氧纳米复合材料击穿机制

连续结构分布动载荷的离散等效加载方法

融合局部与全局特征的轻量化乳腺肿瘤分类模型

并网逆变器电压反馈型阻抗调谐控制方法

含轻微点蚀齿轮系统混沌的智能优化控制策略