基于改进粒子群优化和极限学习机的网络安全态势预测

针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机(IPSO-ELM)算法的预测方法.首先,通过改进粒子群优化(PSO)算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使PSO初期搜索范围大、速度高,后期收敛能力强、稳定.其次,针对PSO易陷入局部最优的问...     

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.     

网络安全态势感知研究进展

首先指出了网络安全态势感知研究的必要性,介绍了网络安全态势感知的概念、含义和主要任务;其次,详细阐述了网络安全态势感知国内外的研究现状和涉及到的关键技术;最后,总结和展望了网络安全态势感知当前存在的难题和今后的研究方向。     

网络安全态势感知研究进展

首先指出了网络安全态势感知研究的必要性,介绍了网络安全态势感知的概念、含义和主要任务;其次,详细阐述了网络安全态势感知国内外的研究现状和涉及到的关键技术;最后,总结和展望了网络安全态势感知当前存在的难题和今后的研究方向。     

网络安全态势感知系统简述

任务关键网络系统作为一类特殊的网络信息系统在影响人民生活和社会发展的诸多领域得到了广泛应用。然而,不断恶化的网络环境使得该类系统面临的安全问题日益突出,在依靠传统网络安全技术无法满足人们对其安全需求的背景下,网络安全态势感知研究便应运而生。综述了网络安全态势感知系统的国内外研究现状;介绍了Netflow基本原理。     

带自适应感知能力的粒子群优化算法

提出一种求解约束优化问题的改进粒子群优化算法。它利用可行性判断规则处理约束条件,更新个体最优解和全局最优解。通过为粒子赋予自适应感知能力,算法能较好地平衡全局和局部搜索,且有能力跳出局部极值,防止早熟。边界附近粒子的感知结果被用来修正其飞行速度以加强算法对约束边界的搜索。实验结果表明,新算法收敛速度快,寻优能力强,能很好地求解约束优化问题。     

网络安全态势感知研究综述

随着科学技术的发展,网络规模在不断的扩大,复杂性也在逐渐的增强,面临的网络安全问题也越来越严峻。传统的网络安全技术已经无法满足网络快速发展的需要,无法全面的防御网络攻击行为,必须对新的网络安全技术进行大力研究和开发。网络安全态势感知能够对影响网络安全的因素进行量化分析,为保障网络安全提供重要的依据,因此,对网络安全态势感知进行研究意义重大。本文将在网络安全态势感知概念模型的基础上,对网络安全态势感知的相关研究进行探讨。     

基于数据分析的网络安全态势感知系统设计

随着互联网技术的不断发展,网络安全问题越来越受到关注。网络安全相关行业应针对网络安全威胁问题,不断研发应用安全防护技术,保障用户的网络信息安全。基于数据分析的网络安全态势感知系统作为一种融合传统检测的多源异构系统,能够有效地检测网络整体的安全态势。通过应用该系统,能够最大限度地提高网络运行的安全性和稳定性。基于此,介绍数据分析技术在网络安全中的应用,阐述网络安全态势感知系统的关键要素,设计基于数据分析的网络安全态势感知系统架构。     

网络安全态势感知及其应用实践研究

网络安全管理在现代社会得到普遍重视,很多新技术、新方法、新理论得到提出,并通过实践应用改善网络安全水平,在管理工作中发挥了重要作用。本文首先对网络安全以及网络安全态势感知进行简述,在此基础上研究网络安全态势感知技术的要求,结合C大学工作情况,论述其对网络安全态势感知技术的运用过程、积极经验,最后简单分析网络安全态势感知技术的不足和未来发展趋势,为该技术的进一步运用、发展提供参考。     

网络安全态势感知研究综述

网络安全态势感知不同于传统的安全措施,它可以对网络中各种活动的行为进行辨识,从宏观的角度进行意图理解和影响评估,进而提供合理的决策支持,在提高网络的监控能力、应急响应能力及预测网络安全的发展趋势等方面都具有重要的意义。分别对态势感知和网络安全态势感知的定义进行了归纳梳理,对经典的态势感知模型和新发展的网络安全态势感知模型进行了总结与对比;介绍了网络安全态势感知的关键技术,主要分为基于层次化分析、机器学习、免疫系统和博弈论的技术;介绍了近年来网络安全态势感知在因特网、工控网和物联网中的应用;对其未来发展趋势和待解决的问题进行了总结与展望。     

粒子群优化算法改进及展望

粒子群优化算法是一种启发式全局优化技术,一种基于群智能的演化计算方法。本文给出了多种改进形式以及与其他算法的比较,并提出了未来可能的研究方向。     

粒子群优化算法的分析与研究

粒子群优化算法是一种新兴的基于群智能的演化计算方法,其思想来源于对鸟群运动行为的研究.群体中的每一个粒子通过追随个体最优解和群体最优解来完成解的迭代过程.首先介绍了PSO算法的基本原理,然后对PSO的几种典型改进算法进行了介绍并通过仿真实验对各种算法进行了分析和比对,最后对粒子群算法研究方向进行了展望.     

基于粒子群优化算法的系统可靠性优化

系统可靠性优化问题是典型的NP难题,建立了可靠性冗余优化模型,采用粒子群优化算法对其进行求解。通过对其它文献中仿真实例的计算和结果对比,表明了算法对求解可靠性优化问题的可行性和有效性。     

粒子群算法求解连续优化问题的性能分析

粒子群优化(PSO)算法是一类有效的随机全局优化技术,适用于求解连续优化问题.它利用一个粒子群搜索解空间,通过粒子间的相互作用发现复杂搜索空间中的最优区域.本文介绍了基本的PSO算法,使用3类代表性的标准测试函数对粒子群算法进行了实验分析,并进一步讨论了PSO算法的寻优性能,提出了PSO求解连续优化问题的性能分析策略.     

一种改进的粒子群优化算法及其仿真

粒子群优化算法(particle swarm optimization,PSO)是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO算法具有简单、易实现、可调参数少等特点,在很多领域得到了广泛应用。但PSO算法存在早熟收敛问题。为了克服粒子群优化算法的早熟收敛问题,提出了一种旨在保持种群多样性的改进PSO(IPSO)算法,以提高PSO算法摆脱局部极小点的能力。通过对3种Benchmark函数的测试,结果表明IPSO算法不仅具有较快的收敛速度、有效的全局收敛性能,而且还具有良好的稳定性。     

一种改进的粒子群优化算法及其仿真

粒子群优化算法（particle swarm optimization，PSO）是一种新兴的优化技术，其思想来源于人工生命和演化计算理论。PSO算法具有简单、易实现、可调参数少等特点，在很多领域得到了广泛应用。但PSO算法存在早熟收敛问题。为了克服粒子群优化算法的早熟收敛问题，提出了一种旨在保持种群多样性的改进PSO（IPSO）算法，以提高PSO算法摆脱局部极小点的能力。通过对3种Benchmark函数的测试，结果表明IPSO算法不仅具有较快的收敛速度、有效的全局收敛性能，而且还具有良好的稳定性。     

粒子群优化算法研究

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的,用于解决优化问题的一类新兴的随机优化算法。本文首先介绍PSO算法的基本原理和工作机制;然后介绍粒子群优化算法的优化策略,包括提高收敛速度﹑算法离散化﹑提高总群多样性;最后对其将来的发展进行了展望。     

一种动态调整加速因子的微粒群优化算法

提出了一种动态调整加速因子的微粒群优化算法。针对微粒群算法中不同搜索时期的微粒所需要的搜索能力不同,引入余弦函数来动态调整加速因子,平衡算法的全局和局部搜索能力。利用三个Benchmark函数进行数值试验,仿真结果表明,算法稳定,具有较好的收敛性能,     

Energy Proficient Reduced Coverage Set with Particle Swarm Optimization for Distributed Sensor Network

Retransmission avoidance is an essential need for any type of wireless communication. As retransmissions induce the unnecessary presence of redundant data in every accessible node. As storage capacity is symmetrical to the size of the memory, less storage capacity is experienced due to the restricted size of the respective node. In this proposed work, we have discussed the integration of the Energy Proficient Reduced Coverage Set with Particle Swarm Optimization (PSO). PSO is a metaheuristic global search enhancement technique that promotes the searching of the best nodes in the search space. PSO is integrated with a Reduced Coverage Set, to obtain an optimal path with only high-power transmitting nodes. Energy Proficient Reduced Coverage Set with PSO constructs a set of only best nodes based on the fitness solution, to cover the whole network. The proposed algorithm has experimented with a different number of nodes. Comparison has been made between original and improved algorithm shows that improved algorithm performs better than the existing by reducing the redundant packet transmissions by 18% ~ 40%, thereby increasing the network lifetime.