本文關(guān)鍵詞：基于魚群算法優(yōu)化支持向量機(jī)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型

  更多相關(guān)文章： 態(tài)勢(shì)評(píng)估 支持向量機(jī) 魚群算法 可視化

【摘要】：網(wǎng)絡(luò)的安全問題逐漸成為了人們關(guān)注和研究的熱點(diǎn)問題。以往人們專注于如何利用專家經(jīng)驗(yàn)判斷網(wǎng)絡(luò)的安全態(tài)勢(shì)。如今,如何正確且準(zhǔn)確的實(shí)時(shí)評(píng)估網(wǎng)絡(luò)的安全態(tài)勢(shì),成為了網(wǎng)絡(luò)安全決策系統(tǒng)的一個(gè)重要研究方向。本文基于以往網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估的理論及技術(shù),提出基于魚群算法優(yōu)化支持向量機(jī)的評(píng)估模型。本文主要完成如下工作:1)對(duì)國(guó)內(nèi)的網(wǎng)絡(luò)態(tài)勢(shì)相關(guān)的安全事件進(jìn)行統(tǒng)計(jì),分析安全影響要素,整理出影響要素的樣本集。確定針對(duì)全局網(wǎng)絡(luò)的網(wǎng)絡(luò)安全影響要素。2)對(duì)SVM常用核函數(shù)的算法性能進(jìn)行了實(shí)驗(yàn)對(duì)比,找到了RBF(高斯徑向核函數(shù))為SVM分類器在本領(lǐng)域的最優(yōu)核函數(shù)。3)將魚群算法參數(shù)尋優(yōu)的方法應(yīng)用到了支持向量機(jī)分類的參數(shù)尋優(yōu)過程中,利用魚群算法的全局尋優(yōu)的特性尋找最優(yōu)的參數(shù)c和g,同時(shí)提高了參數(shù)的尋優(yōu)速度及精度。4)將魚群算法尋優(yōu)與交叉驗(yàn)證法尋優(yōu)、粒子群算法尋優(yōu)進(jìn)行了實(shí)驗(yàn)對(duì)比,通過實(shí)驗(yàn)對(duì)比驗(yàn)證魚群算法在全局尋優(yōu)和尋優(yōu)精度方面比粒子群算法有優(yōu)勢(shì),在尋優(yōu)速度和精度方面比交叉驗(yàn)證法有優(yōu)勢(shì)。5)對(duì)評(píng)估模型進(jìn)行工程化實(shí)現(xiàn),實(shí)現(xiàn)了網(wǎng)絡(luò)安決策系統(tǒng)的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模塊。同時(shí)進(jìn)行可視化編程,實(shí)現(xiàn)了網(wǎng)絡(luò)安全決策系統(tǒng)感知模塊和評(píng)估模塊,對(duì)決策系統(tǒng)的決策過程起到了積極的作用。本文建立了針對(duì)廣域網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估新樣本,同時(shí)應(yīng)用了新的算法提高了評(píng)估的速度和準(zhǔn)確度。實(shí)現(xiàn)了自動(dòng)化評(píng)估模型的工程應(yīng)用,同時(shí)實(shí)現(xiàn)了決策系統(tǒng)及其可視化。實(shí)驗(yàn)表明,該模型能夠快速、準(zhǔn)確、實(shí)時(shí)的評(píng)估當(dāng)前的網(wǎng)絡(luò)安全態(tài)勢(shì)。
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18;TP393.08

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 李曉磊,邵之江,錢積新;一種基于動(dòng)物自治體的尋優(yōu)模式:魚群算法[J];系統(tǒng)工程理論與實(shí)踐;2002年11期

2 黃光球;朱華平;周靜;;用魚群算法求解石油運(yùn)輸系統(tǒng)多級(jí)站定位優(yōu)化問題[J];系統(tǒng)工程理論與實(shí)踐;2008年03期

3 劉麗麗;陳瑋;;基于高斯優(yōu)化的精英魚群算法研究[J];上海理工大學(xué)學(xué)報(bào);2014年03期

4 方金城;張岐山;;配送中心配送決策問題及其魚群算法優(yōu)化求解[J];計(jì)算機(jī)應(yīng)用;2011年06期

5 馮春時(shí);叢爽;;基于感知范圍的魚群優(yōu)化算法[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2010年01期

6 唐濤;;一種新型二進(jìn)制編碼的量子魚群算法[J];電腦知識(shí)與技術(shù);2008年S1期

7 郭童;林峰;;基于混合遺傳魚群算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

8 羅景峰;王瑩瑩;;基于魚群算法的全終端網(wǎng)絡(luò)可靠性優(yōu)化設(shè)計(jì)[J];微電子學(xué)與計(jì)算機(jī);2009年02期

9 段其昌;唐若笠;徐宏英;李文;;粒子群優(yōu)化魚群算法仿真分析[J];控制與決策;2013年09期

10 鄭文;;一種改進(jìn)混沌魚群算法及其在四旋翼滑模控制中的應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2014年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 羅景峰;;基于Metropolis準(zhǔn)則的改進(jìn)魚群算法[A];第十二屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2010年

2 羅景峰;;均勻設(shè)計(jì)在魚群算法參數(shù)設(shè)定中的應(yīng)用[A];第四屆中國(guó)智能計(jì)算大會(huì)論文集[C];2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 汪明;基于魚群算法的人行天橋TMD減振控制研究[D];寧波大學(xué);2015年

2 韓歡歡;基于ZigBee的超聲波三維坐標(biāo)測(cè)量系統(tǒng)研究[D];中國(guó)計(jì)量學(xué)院;2015年

3 張磊;基于改進(jìn)魚群算法的兩階段結(jié)構(gòu)損傷識(shí)別方法研究[D];重慶大學(xué);2015年

4 宋小輝;基于魚群算法的特高壓輸電塔塔腿拓?fù)鋬?yōu)化研究[D];重慶大學(xué);2015年

5 高屹宇;基于魚群算法優(yōu)化支持向量機(jī)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型[D];蘭州大學(xué);2016年

6 兆瑞琦;混沌—魚群算法在直接轉(zhuǎn)矩控制系統(tǒng)中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2009年

7 張坤;魚群算法在直接轉(zhuǎn)矩控制系統(tǒng)中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2009年

8 周利民;基于魚群算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化研究[D];湖南大學(xué);2010年

9 劉旋;基于多目標(biāo)魚群算法的QoS全局最優(yōu)Web服務(wù)選擇的研究[D];武漢輕工大學(xué);2013年

10 郭童;基于改進(jìn)魚群蜂群算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[D];浙江大學(xué);2014年

，

本文編號(hào)：1149183