基于小波神經(jīng)網(wǎng)絡的網(wǎng)絡安全態(tài)勢預測方法研究.pdf

1、隨著互聯(lián)網(wǎng)規(guī)模和應用范圍不斷擴大，網(wǎng)絡攻擊正逐步向各類聯(lián)網(wǎng)終端滲透，且攻擊手段越發(fā)高明隱蔽，網(wǎng)絡癱瘓、數(shù)據(jù)和用戶信息泄露等安全問題日益突出，嚴峻的網(wǎng)絡安全形勢給傳統(tǒng)單點單源的安全防御系統(tǒng)帶來新的挑戰(zhàn)。網(wǎng)絡安全態(tài)勢感知是近年來國內(nèi)外學者為解決單一防御問題而出現(xiàn)的新技術(shù)，能夠?qū)崿F(xiàn)對網(wǎng)絡整體上的安全態(tài)勢進行監(jiān)控和預測，對調(diào)整安全策略，提高網(wǎng)絡系統(tǒng)的應急響應能力具有重要的現(xiàn)實意義。
　　網(wǎng)絡安全態(tài)勢感知包括3個關鍵技術(shù):態(tài)勢要素獲取、態(tài)勢

2、評估和態(tài)勢預測，前者為后者提供數(shù)據(jù)支撐?，F(xiàn)有的態(tài)勢預測方法對初始訓練數(shù)據(jù)依賴性強，預測結(jié)果準確性不高，即態(tài)勢評估結(jié)果的客觀性以及態(tài)勢預測方法的有效性是影響預測精度的關鍵。本文針對以上問題展開研究，具體工作如下:
　　設計基于多種群遺傳算法(MPGA)優(yōu)化HMM的態(tài)勢評估方法。相比傳統(tǒng)的靜態(tài)評估方法，HMM直接在態(tài)勢要素信息和網(wǎng)絡安全狀態(tài)之間建立映射關系，實時量化網(wǎng)絡安全態(tài)勢值，具有建模簡單、運算高效等優(yōu)點。但模型參數(shù)的確定是影響其

3、性能的關鍵，利用MPGA對模型參數(shù)進行優(yōu)化，通過加強種群之間的信息交流，豐富個體多樣性，以及提高種群的平均適應度值來提高算法的全局搜索能力，加快收斂速度。最后將評估結(jié)果與網(wǎng)絡受攻擊情況進行對比，具有很好的一致性，表明該方法是客觀合理的。
　　設計基于混沌粒子群算法(CPSO)優(yōu)化小波神經(jīng)網(wǎng)絡(WNN)的態(tài)勢預測方法。由于態(tài)勢值序列具有非線性時間序列的特點，而小波神經(jīng)網(wǎng)絡對于處理非線性時間序列數(shù)據(jù)具有比傳統(tǒng)神經(jīng)網(wǎng)絡更強的映射能力。本