基于BP神经网络的网络安全指标体系构建

详细信息    查看全文 | 推荐本文 |

英文篇名：Construction of network security indication-system based on back propagation neural network 作者：刘海天 ; 韩伟红 ; 贾焰 英文作者：Liu Haitian;Han Weihong;Jia Yan;College of Computer,National University of Defense Technology;Network Space Advanced Technology Research Institute,Guangzhou University;Guangdong Institute of Electronic Information Engineering,University of Electronic Science and technology of China; 关键词：BP神经网络 ; 网络安全指标体系 ; 基础运行指数 ; 指标权值 ; 收敛性 ; 网络安全态势 英文关键词：back propagation neural network(BPNN);;network security indication-system(NSIS);;basic operating index;;indicator weight;;convergence;;network security situation 中文刊名：WXJY 英文刊名：Information Technology and Network Security 机构：国防科技大学计算机学院;广州大学网络空间先进技术研究院;电子科技大学广东电子信息工程研究院; 出版日期：2018-04-10 出版单位：信息技术与网络安全 年：2018 期：v.37;No.492 基金：国家重点研发计划(2016YFB0800303);; 东莞市引进创新科研团队计划 语种：中文; 页：WXJY201804006 页数：4 CN：04 ISSN：10-1543/TP 分类号：30-33

摘要

频繁发生的网络安全事件带来各类严重威胁,构建网络安全指标体系对掌握宏观的网络安全状态具有重要意义。文章采用基于BP神经网络的网络安全指标体系建模的方式,对网络安全态势进行评估,然后进一步对网络安全指标体系模型进行优化和改良。研究比较不同建模参数下的指标体系构建效果,最终通过比较分析,拟合得到较优BP模型构建方式。
        Frequent network security incidents bring various serious threats,and building network security indication-system( NSIS) is of great significance for mastering the macro network security state. In this paper,the NSIS model based on back propagation neural network is used to evaluate the network security situation,and then the NSIS model is further optimized and improved. The construction effects of indication-system are researched and compared under different modeling parameters. Finally,through comparative analysis,a better BP model construction will be achieved.

引文

[1]MURPHY P.The OSPF not-so-stubby area(NSSA)option[M].RFC Editor,2003.
    [2]陈锋,刘德辉,张怡,等.基于威胁传播模型的层次化网络安全评估方法[J].计算机研究与发展,2011,48(6):945-954.
    [3]蒋文科,吕玉江,化建宁.神经网络BP模型的设计与实现[J].河北农业大学学报,2000,23(1):88-90.
    [4]王志平.基于指标体系的网络安全态势评估研究[D].长沙:国防科技大学,2010.
    [5]唐金敏.使用BP神经网络进行网络安全态势评估[J].电脑知识与技术,2011,7(14):3265-3266.
    [6]高洪深,陶有德.BP神经网络模型的改进[J].系统工程理论与实践,1996,16(1):67-71.