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

详细信息    查看全文 | 推荐本文 |

英文篇名：Research on Cyberspace Situation Awareness Security Assessment Based on Improved BP Neural Network 作者：陈维鹏 ; 敖志刚 ; 郭杰 ; 余勤 ; 童俊 英文作者：CHEN Wei-peng;AO Zhi-gang;GUO Jie;YU Qin;TONG Jun;College of Field Engineering,Land Force Engineering University;73233Army of PLA; 关键词：BP神经网络 ; 网络安全 ; 态势感知 ; 评估指标体系 英文关键词：BP neural network;;Network security;;Situation awareness;;Evaluation index system 中文刊名：JSJA 英文刊名：Computer Science 机构：陆军工程大学野战工程学院;中国人民解放军73233部队; 出版日期：2018-11-15 出版单位：计算机科学 年：2018 期：v.45 基金：原总装预研基金项目(9140A06020215JB25080)资助 语种：中文; 页：JSJA2018S2068 页数：4 CN：S2 ISSN：50-1075/TP 分类号：345-347+351

摘要

文中利用BP神经网络算法建立了网络态势感知等级与感知参数之间的关系,定量评估了态势感知状况。神经网络在这一领域的研究最为成熟,但传统的BP神经网络算法在反馈误差方面速度较慢,且存在易收敛到局部极值的缺点,因此使用变步长学习策略和模拟退火法进行优化,搭建虚拟HoneyNet模拟网络环境,然后利用Matlab软件进行算法仿真,获得的结果与实际情况接近。
        This paper used BP neural network algorithm to establish the relationship between the network situation awareness level and the perceived parameters,and situation awareness was assessed quantitatively.The research of neural network in this field is the most mature,but the traditional BP neural network algorithm is slow in feedback error,and it is likely to converge to a local extremum.So the variable step learning strategy and simulated annealing method are used to build a virtual network HoneyNet simulation environment,then the Matlab is used for algorithm simulation.The obtained results are close to the actual results.

引文

[1]罗守山.入侵检测[M].北京:北京邮电大学出版社,2004:82-87.
    [2]于德江.灰色系统建模方法的探讨[J].系统工程,1991,9(5):9-12.
    [3]谢丽霞,王亚超,于巾博.基于神经网络的网络安全态势感知[J].清华大学学报,2013,53(12):1750-1760.
    [4]梁颖,王慧强,赖积保.一种基于粗糙集理论的网络安全态势感知方法[J].计算机科学,2007,34(8):95-97.
    [5]张云涛,龚玲.数据挖掘原理与技术[M].北京:电子工业出版社,2004:1-57.
    [6]孙德衡.基于指标融合的网络安全态势评估模型研究[D].西安:西北大学,2012.
    [7]郑皆亮.基于灰色理论的网络信息安全评估模型研究[D].南京:南京信息工程大学,2005.
    [8]飞思科技.神经网络理论和matlab7实现[M].北京:电子工业出版社,2006:15-30.
    [9]林蔚天.改进的粒子群优化算法研究及其若干应用[D].上海:华东理工大学,2012.