[發明專利]基于迭代優化RBF神經網絡的網絡安全態勢分析方法

有效

• 申請號: 202110425065.0
• 申請日: 2021-04-20
• 公開（公告）號: CN113141272B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 吳春明;吳玉芹
• 申請（專利權）人: 浙江大學;寧德師范學院
• 主分類號: H04L41/142
• 分類號: H04L41/142;H04L41/14;H04L9/40;G06N3/04;G06N3/12
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種基于迭代優化RBF神經網絡的網絡安全態勢分析方法，其特征在于，包括以下步驟：

(1)基于資源分配網絡確定最大的RBF神經網絡隱含層神經元個數h；

(2)初始化種群M∈R^N×(h+m)為：

其中，為第i₁個基函數寬度，為某個隱含層神經元與第j₁個輸出層神經元之間的權重，m為輸出層神經元個數，N為種群中個體數量；

(3)根據當前種群劃分子種群；包括以下子步驟：

(3.1)計算當前種群中任意兩個個體間的歐氏距離，構建鄰接矩陣D；

(3.2)利用普利姆算法求解鄰接矩陣D的最小生成樹T₁；

(3.3)計算最小生成樹T₁的平均權值W，取閾值V為最小生成樹T₁中小于δ×W的最大權重；δ是權重，0＜δ＜1；

(3.4)遍歷最小生成樹T₁，查找大于閾值V的所有邊并將其斷開，得到若干個子連通圖；

(3.5)遍歷各子連通圖，得到子類，對應子種群，并對子種群編號保存；

(4)估計個體的適應度函數并計算個體的選擇概率；

(5)根據概率p_c進行交叉操作；包括以下子步驟：

(5.1)輪盤選擇一個個體記下該個體所屬的子種群的編號i₃，從子種群i₃中選擇一個適應度最高的個體

(5.2)選擇與子種群i₃距離最遠的子種群j₂，隨機選擇子種群j₂中的一個個體y；

(5.3)個體與進行交叉操作產生的個體的集合為X；

(5.4)選擇個體與中，與個體y距離較遠的個體，記為個體與個體y進行交叉操作產生的個體集合為Y；

(5.5)通過貪婪算法選擇集合X和集合Y中適應度較大的前b個個體作為子代個體，加入當前種群；

(6)執行概率的變異操作，針對每個個體以的概率進行變異，變異子代個體加入當前種群；表示第g次迭代個體變異的概率；

(7)獲得被感知網絡上的安全數據和對應的網絡安全態勢值，判斷步驟(6)得到的當前種群中適應度最高的個體對應的RBF網絡是否滿足精度要求；

(7.1)如滿足精度要求，則跳到步驟(10)；

(7.2)用g對迭代計步，如不滿足精度要求，則判斷是否達到指定的迭代次數g_max；

(7.2.1)如達到指定的迭代次數，則跳到步驟(10)；

(7.2.2)如未達到指定的迭代次數，則執行步驟(8)；

(8)基于步驟(6)得到的當前種群，對最優個體進行混沌搜索；在迭代優化過程中采用基于混沌的搜索策略，對每一代的最優個體進行T₂次搜索；

(9)找到步驟(8)搜索得到的T₂個新個體中適應度最高的個體X_g是第g次迭代時步驟(6)得到的當前種群的最優個體；如果適應度高于X_g，則用取代X_g，更新當前種群；否則不更新；

(10)跳到步驟(3)基于步驟(9)得到的當前種群繼續進行迭代；

(11)確定最終的RBF網絡模型；

(12)將待測網絡安全數據輸入步驟(11)的RBF網絡模型中，輸出網絡安全態勢預測值。

2.如權利要求1所述基于迭代優化RBF神經網絡的網絡安全態勢分析方法，其特征在于，步驟(5.3)中，交叉操作采用的交叉算子為自適應算子，自適應交叉概率為：

其中，f_c表示交叉操作兩個個體中適應度較大的個體，f_max和f_avg分別表示當前種群中的最大適應度值以及平均適應度值；通過兩個參數進行交叉程度調整，其中，p_c∈[6.000,9.9000]。