基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型.pdf

1、信息化的普及給我們帶來生活上的便利和生產(chǎn)方式的變革，但同時它對于人們的隱私和財產(chǎn)安全有著巨大的隱患。因此，將歷史網(wǎng)絡(luò)安全數(shù)據(jù)和近期的網(wǎng)絡(luò)安全狀況相結(jié)合，預(yù)測未來短期內(nèi)的安全威脅，這對于保障網(wǎng)絡(luò)環(huán)境的健康十分重要。
　　本文詳細研究網(wǎng)絡(luò)安全態(tài)勢預(yù)測的相關(guān)理論基礎(chǔ)和現(xiàn)在常用到的預(yù)測模型，提出一種基于改進人工魚群和粒子群混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型。主要工作如下：
　　（1）通過對人工魚群算法的研究，發(fā)現(xiàn)其覓食行為

2、中的嘗試次數(shù)影響算法的收斂效率。因此本文提出使用模擬退火算法中的Metropolis準則改進覓食行為，提高收斂效率的同時也利于算法在迭代的前期跳出局部極值點；其次，對人工魚群每次迭代中的最優(yōu)魚引入高斯變異算子，并通過Metropolis準則進行變異接收，提高人工魚群的全局搜索能力。
　?。?）分析人工魚群算法和粒子群算法的優(yōu)缺點，結(jié)合人工魚群的全局搜索能力以及粒子群的局部收斂效率的優(yōu)點，使用改進人工魚群和粒子群混合算法對RBF神經(jīng)