申请/专利权人:浙江大学;宁德师范学院
申请日:2021-04-20
公开(公告)日:2021-07-20
公开(公告)号:CN113141272A
主分类号:H04L12/24(20060101)
分类号:H04L12/24(20060101);H04L29/06(20060101);G06N3/04(20060101);G06N3/12(20060101)
优先权:
专利状态码:有效-授权
法律状态:2022.03.15#授权;2021.08.06#实质审查的生效;2021.07.20#公开
摘要:本发明公开了一种基于迭代优化RBF神经网络的网络安全态势分析方法。本发明首次通过遗传算法迭代的优化RBF网络的宽度和链接权重,在总体上维持了较低的绝对误差,并且赖交叉模型和基因突变几率进行自适应调整,使种群向有利方向迭代,加快了算法的收敛速度,混沌搜索策略也避免了算法在迭代过程中陷入局部极小值。
主权项:1.一种基于迭代优化RBF神经网络的网络安全态势分析方法,其特征在于,包括以下步骤:1基于资源分配网络确定最大的RBF神经网络隐含层神经元个数h。2初始化种群M∈RN×h+m为: 其中,为第i1个基函数宽度,为某个隐含层神经元与第j1个输出层神经元之间的权重,m为输出层神经元个数,N为种群中个体数量。3根据当前种群划分子种群。4估计适应度函数。5根据概率pc进行交叉操作。6执行概率的变异操作,针对每个个体以的概率进行变异,变异子代个体加入当前种群;表示第g次迭代个体变异的概率。7获得被感知网络上的安全数据和对应的网络安全态势值,判断步骤6得到的当前种群中适应度最高的个体对应的RBF网络是否满足精度要求。7.1如满足精度要求,则跳到步骤10。7.2用g对迭代计步,如不满足精度要求,则判断是否达到指定的迭代次数gmax。7.2.1如达到指定的迭代次数,则跳到步骤10。7.2.2如未达到指定的迭代次数,则执行步骤8。8基于步骤6得到的当前种群,对最优个体进行混沌搜索。在迭代优化过程中采用基于混沌的搜索策略,对每一代的最优个体进行T2次搜索。9找到步骤8搜索得到的T2个新个体中适应度最高的个体Xg是第g次迭代时步骤6得到的当前种群的最优个体。如果适应度高于Xg,则用取代Xg,更新当前种群;否则不更新。10跳到步骤3基于步骤9得到的当前种群继续进行迭代。11确定最终的RBF网络模型。12将待测网络安全数据输入步骤11的RBF网络模型中,输出网络安全态势预测值。
全文数据:
权利要求:
百度查询: 浙江大学;宁德师范学院 基于迭代优化RBF神经网络的网络安全态势分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。