【摘要】：隨著信息時代的到來,互聯(lián)網(wǎng)得以快速發(fā)展和普及。但是與此同時,也給人們的生活帶來了嚴重的危害,那便是網(wǎng)絡安全事件頻繁發(fā)生。盡管現(xiàn)在有各種各樣的網(wǎng)絡安全設備用來保護互聯(lián)網(wǎng)安全,但是由于他們是針對不同的安全問題而設計的,具有專一性和不同的側重點,所以這就導致他們不能很好地評估和預測整個網(wǎng)絡的安全狀態(tài)。在本論文中,通過對當前網(wǎng)絡安全態(tài)勢評估和預測方法的詳細分析和研究,表明當前如何提高網(wǎng)絡安全態(tài)勢預測的預測精度和提高預測的收斂速度仍然是需要解決的熱點問題。本文針對提高網(wǎng)絡安全態(tài)勢預測的預測精度問題,提出了基于二分K-均值的徑向基神經網(wǎng)絡安全態(tài)勢預測模型,該方法使用二分K-均值聚類算法確定徑向基神經網(wǎng)絡的數(shù)據(jù)中心和擴展函數(shù),彌補了徑向基神經網(wǎng)絡數(shù)據(jù)中心難以確定的缺陷。經實驗驗證,該方法在一定條件下提高了預測精度。本文針對提高網(wǎng)絡安全態(tài)勢預測的收斂速度問題,提出了基于改進的人工免疫的網(wǎng)絡安全態(tài)勢預測方法,該方法使用了等價劃分區(qū)間的策略來改進人工免疫算法,彌補了在隨機生成初始抗體的過程中產生的數(shù)據(jù)冗余性缺陷。經實驗驗證,該方法提高了預測的收斂速度。
[Abstract]:With the arrival of the information age, the Internet has been rapidly developed and popularized. But at the same time, it also brings serious harm to people's life, that is, network security incidents occur frequently. Although there are a variety of network security devices available to protect Internet security, because they are designed for different security issues, they are specific and have different emphases. So this leads to their inability to evaluate and predict the security of the entire network. In this paper, through the detailed analysis and research on the current network security situation assessment and prediction methods, it is shown that how to improve the prediction accuracy and convergence rate of network security situation prediction is still a hot issue to be solved. In order to improve the prediction accuracy of network security situation prediction, a radial basis function neural network security situation prediction model based on dichotomous K-means is proposed in this paper. In this method, the binary K-means clustering algorithm is used to determine the data center and the expansion function of the radial basis function neural network, which makes up for the difficulty of determining the data center of the radial basis function neural network. The experimental results show that this method can improve the prediction accuracy under certain conditions. In order to improve the convergence rate of network security situation prediction, a network security situation prediction method based on improved artificial immune is proposed in this paper. It makes up for the data redundancy in the process of generating the initial antibody randomly. Experimental results show that the proposed method improves the convergence rate of prediction.
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP393.08

【參考文獻】

相關期刊論文 前10條

1 陳善學;楊政;朱江;李方偉;;一種基于累加PSO-SVM的網(wǎng)絡安全態(tài)勢預測模型[J];計算機應用研究;2015年06期

2 李方偉;鄧武;朱江;;一種基于復雜網(wǎng)絡的網(wǎng)絡安全態(tài)勢預測機制[J];計算機應用研究;2015年04期

3 李方偉;鄭波;朱江;張海波;;一種基于AC-RBF神經網(wǎng)絡的網(wǎng)絡安全態(tài)勢預測方法[J];重慶郵電大學學報(自然科學版);2014年05期

4 黃同慶;莊毅;;一種實時網(wǎng)絡安全態(tài)勢預測方法[J];小型微型計算機系統(tǒng);2014年02期

5 劉雷雷;臧洌;邱相存;;基于Kalman算法的網(wǎng)絡安全態(tài)勢預測[J];計算機與數(shù)字工程;2014年01期

6 謝麗霞;王亞超;于巾博;;基于神經網(wǎng)絡的網(wǎng)絡安全態(tài)勢感知[J];清華大學學報(自然科學版);2013年12期

7 石波;謝小權;;基于D-S證據(jù)理論的網(wǎng)絡安全態(tài)勢預測方法研究[J];計算機工程與設計;2013年03期

8 曾斌;鐘萍;;網(wǎng)絡安全態(tài)勢預測方法的仿真研究[J];計算機仿真;2012年05期

9 卓瑩;張強;龔正虎;;網(wǎng)絡態(tài)勢預測的廣義回歸神經網(wǎng)絡模型[J];解放軍理工大學學報(自然科學版);2012年02期

10 王庚;張景輝;吳娜;;網(wǎng)絡安全態(tài)勢預測方法的應用研究[J];計算機仿真;2012年02期

相關會議論文 前1條

1 韓偉紅;隋品波;賈焰;;大規(guī)模網(wǎng)絡安全態(tài)勢分析與預測系統(tǒng)YHSAS[A];第27次全國計算機安全學術交流會論文集[C];2012年

相關博士學位論文 前1條

1 孟錦;網(wǎng)絡安全態(tài)勢評估與預測關鍵技術研究[D];南京理工大學;2012年

，

本文編號：2378931