网络安全态势预测方法的应用研究

研究网络安全的预测问题,面对海量恶意攻击,信息要及时告警,进行安全管理。针对当前预测模型只能对过去和现在网络安全态势进行分析,不能对将来网络安全态势进行预测的缺陷,为了提高预测精度,提出了支持向量机的网络安全态势预测方法。支持向量机可以利用过去和当前的网络安全态势值,对将来网络安全状态进行预测,同时采用遗传算法对支持向量机参数优化,加快网络安全态势预测速度。通过仿真对预测方法性能进行检验,结果表明,预测方法能够准确反映网络安全的整体变化趋势,提高了网络安全态势的预测精度,相对于传统预测方法,更适用于现实的网络环境中。     

一种实时网络安全态势预测方法

作为二十一世纪的新兴技术,计算机互联网技术的发展和应用不仅为促进世界经济、科技一体化提供了必要的技术支持,而且对于促进各国各个生产领域的全面发展也具有较大的积极作用。但但随着网络技术的应用愈加普及和广泛,网络安全也成为了当下困扰网络用户的首要问题。该文通过引入网络安全态势预测法,在对该方法的概念以及基本原理进行说明的基础上,对基于支持向量机算法的网络安全态势预测模型的建立方法展开了深入研究,以求为维护网络安全提供有价值的参考意见。     

基于PSO_SVR的网络安全态势预测方法

针对网络安全态势感知中的态势预测问题,提出一种基于PSO_SVR的网络安全态势预测方法。该方法将支持向量回归机(SVR)嵌入到粒子群优化算法(PSO)的适应度计算过程中,利用PSO算法的全局搜索能力来优化选取SVR的参数,在一定程度上提升了SVR的学习能力和泛化能力。仿真实验表明,通过与已有的其他预测方法作对比,该方法具有更好的预测效果。     

基于IHS_LSSVR的网络安全态势预测方法

针对网络安全态势感知中的态势预测问题,提出一种基于IHS_LSSVR的网络安全态势预测方法。对和声搜索算法（HS）的原理进行了研究,在该基础上提出一种改进的和声搜索算法（IHS）。将最小二乘支持向量回归机（L-SSVR）嵌入到改进的和声搜索算法（IHS）的目标函数计算过程中,利用IHS算法的全局搜索能力来优化选取LSSV-R的参数,在一定程度上提升了LSSVR的学习能力和泛化能力。仿真实验表明,通过与已有的其他预测方法作对比,该方法具有更好的预测效果。     

飞机飞行事故率预测建模与仿真研究

研究飞机飞行事故率准确预测问题,飞行事故率的变化受到自然资源、环境、经济、社会和科技等多种因素影响,因素间关系复杂,导致飞行事故率的非线性变化,传统或单一预测方法难以获得较高的预测精度.为了提高飞行事故率预测精度,提出一种时间序列法和支持向量机组合的飞行事故率预测模型.模型首先分别用时间序列法和支持向量机对飞行事故率的规律发生部分和随机变化部分预测,采用线性回归确定两个预测结果的权值,通过权值计算获得飞行事故率预测结果.仿真结果表明,组合模型有效提高了飞行事故率预测精度,可为航空安全管理提供了有效的预测方法.     

基于支持向量机的网络攻击态势预测技术研究

作为网络安全主动防御的核心技术之一,网络攻击态势预测技术在网络风险评估与分析中越来越具生命力。该文从入侵检测系统报警综合评估得到网络攻击态势评估指标入手,应用支持向量回归的预测方法对网络攻击态势评估指标进行时间序列预测,给出了算法实现中的训练模块及预测模块结构,仿真结果表明了该方法的准确性。     

大区域内药品销售预测方法研究与仿真

研究药品未来销售量准确预测问题。在一些大区域中,药品销售网点分布范围比较广泛,销售额差异较大,会造成以此为基础建立的地域参数和单个销售参数维数过高。传统的Hilbert药品销售预测算法需要对相关参数进行内积运算,造成数据量过大,导致药品实际销售结果与预测结果在时间上存在滞后,降低了药品销售预测的准确率。提出了一种遗传算法优化支持向量机的药品销售预测方式。利用滞后补偿支持向量机,获取药品销售预测支持函数;建立药品销售预测滞后补偿规则,从而准确预测出药品销售相关参数。实验证明,利用该方法对大区域内药品销售预测方式进行预测,提高了药品销售预测的准确率,取得了令人满意的效果。     

混沌时间序列预测模型的应用与研究

混沌时间序列预测模型的参数对预测结果起着关键作用,传统上参数优化单独进行,忽略参数之间的联系,导致预测的精度比较低.为了提高混沌时间序列预测精度,提出一种基于遗传算法的混沌时间序列预测模型参数优化方法.参数优化方法的核心思想是相空间重构和支持向量机参数寻优同时进行,通过遗传算法算法的选择、交叉和变异操作达到参数优化求解问题.以经典混沌时间序列Mackey-Glass为例进行了验证性实验.实验结果表明,相对传统的参数寻优方法和分开优化的方法,方法时间复杂度低、预测精度高,是一种有效性的混沌时间序列预测模型参数优化算法.     

基于经验模式分解的时间序列预测方法研究

支持向量机理论是20世纪90年代由Vapnik提出的一种基于统计学习理论的新的机器学习方法,其具有全局最优解和较好的泛化能力,可将其用于求解时间序列预测间题.但是对于非平稳时间序列的顶测,利用支持向量机算法单独建立一个模型的预测结果不如平稳时间序列那样明显,可以采用经验模式分解法作为时序预测的预处理工具.先将非平稳时间序列进行经验模式分解,再对各个分量分别建模,最后将各分量预测结果进行组合.同时通过仿真实验验证了该方法是有效的.     

基于熵值法的网络安全态势组合预测模型

研究网络优化入侵检测问题,网络安全态势受网络攻击行为、病毒、自身漏洞、木马等多种因素影响,具有高度的非线性、时变性、突变性等复杂特点,采用传统单一预测方法只能反映部分信息,无法进行准确的预测。为提高网络安全态势预测精度,提出一个熵值学的网络安全态势组合预测模型。首先利用熵值法为单一网络安全态势预测模型分配加权系数,然后根据单一模型的预测结果进行加权运算,得到了网络安全态势的组合预测结果,最后利用具体网络安全态势数据进行仿真测试。仿真结果表明,组合预测模型提高了网络安全态势预测精度,为网络安全态势预测提供了一种新的解决途径。     

复杂网络安全态势评估模型仿真分析

复杂网络系统的稳定性较差,延迟呈现较大程度的波动,各种网络安全评估数据的融合自律特征呈现高度的非特征化状态.传统的基于自律特征网络安全评估模型在这种状态下,很难对复杂网络完成安全性整体评估.提出了一种新的复杂网络安全态势评估算法.算法通过计算复杂网络安全评估指标的权值系数,构建了一种特征判断矩阵,根据矩阵结果,利用梯度搜索方法,建立适应于复杂网络安全态势的评估模型,从而实现该网络的安全态势评估.实验结果表明,算法进行复杂网络安全态势评估,能够极大地提高复杂网络安全态势评估的准确性,从而为复杂网络安全提供有力的保障.     

网络安全态势动态评估过程优化仿真

研究网络安全态势准确评估问题.当前网络安全态势评估没有考虑不同时段入侵后网络的变化因素,以入侵前后相同静态固定指标评估为主,缺少不同时段内动态可持续评估的方法.为提高准确性,提出基于差分进化的网络安全态势动态评估方法.在网络安全特征提取的过程中,将网络安全特征与异常特征进行对比,并对网络安全特征进行加权运算,计算特征提取误差,完成网络安全特征提取.根据差分进化相关理论,搜索网络安全变异个体,并且对原始个体和变异个体进行交叉操作,获取新的种群,实现网络安全态势评估.实验结果表明,利用改进算法进行网络安全态势评估,能够极大的提高评估的准确性.     

基于网络安全态势感知的校园网安全配置评估研究

本文提出一种基于网络安全态势感知的校园网安全配置评估模型,利用网络安全态势评估中的漏洞扫描、聚类分析和关联分析等技术对校园网中的通信设备和网络配置进行评估。通过评估发现网络安全策略的漏洞、重复布防问题并促成新的基于协同的网络策略,形成统一的、完备的校园网整体安全布防。     

网络安全态势感知综述

以网络安全态势感知所要解决的问题为切入点,详细介绍了网络安全态势感知的基本概念、模型和体系框架.并从网络安全态势要素提取、态势理解/评估、态势预测等方面阐述了网络安全态势感知的主要技术及其发展情况.最后指出网络安全态势感知面临的一些问题和未来的研究方向.     

多阶段大规模网络攻击下的网络安全态势评估方法研究

针对传统的网络安全态势评估方法一直存在评估偏差较大的问题,为了准确分析网络安全状况,提出一种新的多阶段大规模网络攻击下的网络安全态势评估方法。首先根据多阶段大规模网络攻击下的网络安全多数据源的特点,建立基于信息融合的多阶段大规模网络攻击下的网络安全态势评估模型;然后对大规模网络攻击阶段进行识别,计算网络攻击成功的概率和网络攻击阶段的实现概率;最后利用CVSS中的3个评价指标对网络安全态势进行评估。实例分析证明,所提方法更加符合实际应用,评估结果准确且有效。     

网络安全威胁态势评估与分析技术研究

近年来,网络安全逐渐发展成为互联网领域的突出问题之一,全球每年因网络安全遭到破坏而发生的军事泄密事件呈上升态势。如何实时把握网络安全威胁的动态变化,对可能发生的威胁做出预警并及时应对,成为目前我军网络安全领域亟需面对的问题之一。本文通过对安全威胁态势、评估要素的介绍,探索了当前对网络安全威胁的研究分析路径。     

网络安全建模与仿真研究

计算机仿真技术在很多领域都得到了广泛应用但在网络安全领域研究较少。研究了建模与仿真(M&S)在网络安全领域中的应用,总结了网络安全仿真的目的,分析了目前网络安全领域中M&S的现状和存在的问题,提出一些解决网络安全领域中M&S问题的建议。     

网络安全态势感知模型研究

网络安全态势感知是实现网络安全监控的一种新技术,也是目前信息安全的研究热点之一.在理清国内外研究现状的基础上,提出了基于简单加权法和灰色理论的网络安全态势感知模型.模型的建立主要分为当前网络安全态势评估建模和未来网络安全态势预测建模两部分,当前网络安全态势评估模型是依据各种服务受到攻击的威胁程度采用简单加权法建立的,而未来网络安全态势预测模型则是依据过去和当前网络安全态势采用灰色理论建立的.经仿真实验验证,该模型合理可行.     

基于WOWA-FAHP的网络安全态势评估

从入侵响应决策与安全管理的实际需求出发,提出了基于WOWA合成的模糊层次分析法(WOWA-FAHP)和基于WOWA-FAHP的网络安全态势评估模型.WOWA-FAHP方法在继承模糊层次分析法优点的基础上兼顾属性间的客观、主观关联性,能够适应各种决策偏好.基于WOWA-FAHP的评估模型把动态评估与静态评估相结合,充分利用系统安全风险评估、入侵警报融合关联、异常监测与安全审计所提供的多种信息,综合考虑警报类、异常类、脆弱性、后果性等多方面的评价指标,并依据不同安全策略,通过WOWA-FAHP方法处理诸如评价要素间的复杂关系.网络应用服务系统安全态势评估实例证明了方法与模型的有效性.     

基于RAN-RBF神经网络的网络安全态势预测模型

为了更准确地获悉网络安全态势的发展情况,提出了一种基于资源分配网络径向基函数(Resource Allocating Network Radical Basis Function,RAN-RBF)神经网络的网络安全态势预测(Network Security Situation Prediction,NSSP)模型。该模型采用资源分配网络算法对网络安全态势样本进行聚类,得到神经网络的隐含层节点数,引入剪枝策略删除对网络贡献不大的节点,用改进的粒子群算法(Modified Particle Swarm Optimization,MPSO)对神经网络的中心、宽度、权值进行优化,对未来网络安全态势进行预测。利用校园网网络管理部门提供的数据进行的仿真实验表明,相对于K-均值RBF神经网络预测模型,该模型可以得到更合适的RBF神经网络结构和控制参数,提高了预测精度,更加直观地反映了网络安全态势的总体情况,为网络安全管理员提供了态势图。