MEBN與BKPF相結(jié)合的軟件異常行為預(yù)測(cè).pdf

1、近年來(lái)，開放、動(dòng)態(tài)的新型分布式軟件迅速地興起和發(fā)展，隨著新型分布式軟件的快速發(fā)展，對(duì)軟件的預(yù)測(cè)已經(jīng)由以往的對(duì)資源、性能、缺陷及可信性指標(biāo)的預(yù)測(cè)轉(zhuǎn)化為對(duì)軟件運(yùn)行期交互行為的預(yù)測(cè)及運(yùn)行態(tài)勢(shì)的預(yù)測(cè)。本文針對(duì)軟件運(yùn)行期場(chǎng)景建立了多實(shí)體動(dòng)態(tài)貝葉斯模型，模型的建立能更好的對(duì)可能出現(xiàn)的欺詐、欺騙等反常行為進(jìn)行預(yù)測(cè)，并使行為分析和預(yù)測(cè)能真正地指導(dǎo)軟件可信性演化和持續(xù)優(yōu)化。
　　對(duì)于新型分布式軟件的交互場(chǎng)景，本文利用多實(shí)體貝葉斯網(wǎng)進(jìn)行描述和分析，這

2、種情形敏感的軟件行為建模方法，有效利用了一階邏輯語(yǔ)言的表述及概率推理能力，在具體的上下文環(huán)境中將監(jiān)測(cè)的實(shí)證信息與經(jīng)驗(yàn)知識(shí)進(jìn)行有效融合，構(gòu)建適合當(dāng)前情形的行為蹤跡模型，并通過模板的檢索、修正、重用達(dá)到快速靈活的建網(wǎng)。
　　通過實(shí)例化后的情形貝葉斯網(wǎng)為帶時(shí)序的貝葉斯網(wǎng)，對(duì)多個(gè)遞歸的節(jié)點(diǎn)要進(jìn)行遞歸計(jì)算估計(jì),而基于抽樣的粒子濾波算法可以解決遞推推理的問題，多實(shí)體貝葉斯網(wǎng)絡(luò)雖然建網(wǎng)靈活、快速，但對(duì)于軟件交互行為的后續(xù)預(yù)測(cè)效率并不高，分團(tuán)的粒

3、子濾波方法不但能夠有效地估計(jì)軟件交互場(chǎng)景的變化，還具有更高的精確度，而且該算法復(fù)雜度和計(jì)算量的增加并不會(huì)影響其實(shí)際應(yīng)用效果。因此本文采用分團(tuán)的的粒子濾波算法對(duì)軟件行為進(jìn)行評(píng)估。
　　通過實(shí)驗(yàn)仿真得到：多實(shí)體貝葉斯網(wǎng)較動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的建模效率更高、推理時(shí)間更短，這種建模方式將得到快速的發(fā)展；另一方面，對(duì)SSBN時(shí)序展開圖的概率推理表明，與傳統(tǒng)的粒子濾波推理算法相比，分團(tuán)粒子濾波算法利用較少的粒子就可以取得較好的推理精度，對(duì)在線拍賣的