[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

本發明公開了一種基于迭代優化RBF神經網絡的網絡安全態勢分析方法。本發明首次通過遺傳算法迭代的優化RBF網絡的寬度和鏈接權重，在總體上維持了較低的絕對誤差，并且賴交叉模型和基因突變幾率進行自適應調整，使種群向有利方向迭代，加快了算法的收斂速度，混沌搜索策略也避免了算法在迭代過程中陷入局部極小值。

技術領域

本發明屬于網絡安全技術領域，尤其涉及一種基于迭代優化RBF神經網絡的網絡安全態勢分析方法。

背景技術

傳統遺傳算法的交叉操作來源于不同類別間的個體，并沒有考慮僅有差異個體之間的操作不能保證整個種群的收斂方向和收斂速度，所以很多時候RBF神經網絡的兩個參數不能達到收斂的正確方向，且收斂速度較慢。

發明內容

本發明的目的在于針對現有技術的不足，提供了一種基于迭代優化RBF神經網絡的網絡安全態勢分析方法。

本發明的目的是通過以下技術方案來實現的：一種基于迭代優化RBF神經網絡的網絡安全態勢分析方法，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。

(4)估計適應度函數。

(5)根據概率p_c進行交叉操作。

(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。

進一步地，步驟(3)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。