基于神经网络的计算机网络安全评价研究

当前,社会信息化水平得到了大幅度的提高,计算机技术不仅在办公、文件处理等方面得到了广泛的应用,而且还形成了企业内部网络、外部网络与全球互联网络。计算机网络在为连接、沟通提供方便的同时,也存在安全方面的隐患与问题。以神经网络为基础实现计算机网络评价系统的建立,能够实现安全评价的实时与准确。本文针对基于神经网络的计算机网络安全评价系统的建立、必要性及应用进行了探讨,为计算机网络安全评价的进一步发展奠定基础。     

神经网络在计算机网络安全评价中的应用

为了提高计算机网络安全评价的精度,笔者提出了一系列的神经网络的计算机网络安全评价方法.第一,提哦选计算机网络安全评价指标,第二利用专家打分的形式来定位评价指标的权重性,最后就可以获得计算机网络安全评价的等级.试验结果表明粒子优化神经网络大很大程度上加快了计算机网络安全评价的速度和精度.     

神经网络在计算机网络安全评价中的应用研究

本文通过对神经网络在计算机网络安全评价中的应用研究课题的探讨,对神经网络以及网络安全等进行了阐发,对神经网络在计算机网络安全评价中的应用以及意义进行了深入的分析.     

神经网络算法在计算机网络安全评价中的应用比较

为了提高计算机网络安全评价的精度和效率,分别利用几种常见的算法对标准BP神经网络进行了改进,结合网络安全评价实例,分别利用平均误差以及运行时间2个指标对评价结果进行评价不同改进算法的设计分别能有效提高网络安全评价的精度和效率,在实际的工程实践中,可以根据具体评价要求采取合适的算法对BP神经网络进行改进.     

神经网络在计算机网络安全评价中的应用研究

研究计算机网络安全评价问题,计算机网络安全评价是一个多指标系统,计算机网络受到漏洞、病毒等人侵是一个复杂的非线性问题,传统线性评价方法不能准确描述各指标对评价结果影响且评价结果的精度低.为了提高计算机网络安全的评价精度,提出了一种粒子优化神经网络的计算机网络安全评价方法.首先通过专家系统挑选计算机网络安全评价指标,然后采用专家打分方法确定评价指标权重,最后将指标权重输入BP神经网络进行学习,BP神经网络参数通过粒子群算法进行优化,获得计算机网络安全评价等级.仿真结果表明,相对于传统计算机网络安全评价模型,粒子优化神经网络加快计算机网络安全评价速度,提高了计算机网络安全的评价精度.     

神经网络在计算机网络安全评价中的应用

随着科技的不断发展,网络安全越来越受人们的重视,但传统的网络安全评价存在着一定的问题和漏洞,需要将神经网络应用到计算机网络安全评价中。笔者主要对神经网络的基本概念、计算机网络安全评价的基本概念及如何将神经网络应用到计算机网络安全评价中这三个方面进行简要阐述,以提高网络的安全性。     

计算机网络安全评价中神经网络的应用研究

计算机在普遍化推行过程中,给人们的日常生活带来了巨大的便捷条件,丰富人们生产、生活中的技术支持.然而,在带来巨大利益的同时,计算机在应用过程中仍存在着一定的风险条件,限制了计算机应用价值的最大化发挥.而神经网络作为一种全新体系,被广泛应用于计算机的安全管理与系统评价中.从而保证人们在应用计算机过程中的数据与资源的安全,提高计算机系统的安全性与可靠性.本文就神经网络为出发点,将其在计算机评价中的实际应用进行了深入的研究.     

基于神经网络的计算机网络安全评价研究

本文分析了计算机神经网络的特点及发展,研究神经网络在计算机网络安全评价中的应用.神经网络技术虽然发展较快,应用较广,但神经网络技术目前并不是完全成熟.智能技术的未来发展趋势,是神经网络与灰色系统、证据理论、分形、粗集、混沌、小波、遗传算法、专家系统、模糊逻辑等技术相互融合,共同发挥更大的作用.     

基于模糊神经网络模型的配送中心选址综合评价

物流配送中心的选址在整个物流系统规划中占有十分重要的地位.建立了配送中心选址的模糊神经网络模型,并以专家评价值作为期望的输出,对网络进行训练,对多个配送中心选址方案进行评价, 结果与实际吻合.     

计算机网络安全评价中神经网络的应用研究

社会经济和科学技术不断发展,也促进了网络技术的发展.网络技术为人们的生活提供了很多便利,但是同时也为攻击网络的人员提供便利,要想对于计算机网络的安全性给予保证,需要完善计算机网络安全评价体系,充分利用神经网络,将其价值充分地展示出来.神经网络是一种智能人工算法技术,在计算机网路安全评价当中利用可以降低计算机网络安全的风险,使损失得到降低.主要对于计算机网络安全评价当中神经网络的利用进行全面的论述,对于相关的研究提供理论基础.     

SVM和ANN在网络安全风险评估中的比较研究

支持向量机和人工神经网络是人工智能方法的两个分支,详细介绍了支持向量机和人工神经网络原理。建立了网络安全评估指标体系,将支持向量机和人工神经网络同时应用于网络安全风险评估的过程中,通过实例比较了两者的评估效果,结果表明了支持向量机在小样本情况下分类正确率普遍高于人工神经网络,具有较好的分类能力和泛化能力;同时在训练时间上也有绝对的优势。实践证实了支持向量机用于网络安全风险评估的有效性和优越性。     

一种网络流量预测的小波神经网络模型

结合小波变换和人工神经网络的优势,建立一种网络流量预测的小波神经网络模型。首先对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练。用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果。     

计算机网络安全评价中神经网络的应用研究

当前,科学技术快速发展,安全评价对安全生产以及管理具有重要的作用.事实证明,相关方法的选用对于安全评价的顺利进行十分重要,对于评价结果的客观性以及准确度都能够产生重要影响.在传统背景下,计算机网络安全评价方式存在较多问题,使得其对评价结果产生不利影响.为了应对这些方面的问题,将神经网络引入其安全评价之中,对于工作效率的提升具有重要的现实意义.     

基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测

针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型.首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LSTM时间窗口模型,该模型可解决长期预测的窗口移动问题;其次,将公交线路切分为多个空间切...     

Constructing of the risk classification model of cervical cancer by artificial neural network

It is significant to build up the risk classification model of cervical cancer for the evaluation of high-risk population. Data were divided into two sub-data, one is model building sub-data, the other is model testing sub-data. By using of artificial neural network (ANN) analysis method (Back Propagation, BP), the risk classification model had been setup. The parameters were listed as following: the data had been treated as normalization, and the level of network was 3, and the number of neural in hidden level was 5, and the transmitting function between input level and hidden level was logsig, and the transmitting function between hidden level and output level was purelin, and the studying method was Levenberg–Marquardt optimizing, and the error parameter eg = 0.09, maximum epochs me = 8000. The model quality was good (sensitivity = 98%, specificity = 97%), and the back calculation fitting result was excellent. The predictive value of 10 unknown data was also good, during which the correct rate of control group was 100%, and that of case group was 80%. Because ANN is with the character of self-organizing, self-learning and self-adapting, the ANN risk classification model is fit for the screening of high-risk population of local cervical cancer, risk evaluation of cervical cancer and the effect evaluation of the prevention method after training the model by new data of some area.     

计算机网络安全评价中对于神经网络的应用探究

知识经济的到来促进了信息化的发展,计算机和网络技术也在发展和变化,影响网络安全的不确定因素也日趋变化,种类形式增加.网络安全是当前网络应用者不可轻视和低估的问题,为了解决和减少越来越突出的网络安全问题,探讨计算机网络评价对于神经网络的应用价值是具有重要意义的.神经网络的应用可大幅度的降低计算机网络安全风险,降低其带来的损失.神经网络在计算机安全评价中具有很大的实际效用和价值.     

计算机网络安全分析研究简

计算机网络安全是促进网络事业健康发展的前提,在分析网络安全产生的原因及目前网络所面临威胁的基础上,以安全防御作为出发点,从技术及管理两大方面,提出了防护计算机网络安全的具体措施与有效方案。如何保护计算机信息的问题显的越来越重要。该文旨在分析计算机网络面临的威胁和存在的安全隐患,并提出防范技术,提高计算机网络安全。     

Ability to forecast unsteady aerodynamic forces of flapping airfoils by artificial neural network

The ability of artificial neural networks (ANN) to model the unsteady aerodynamic force coefficients of flapping motion kinematics has been studied. A neural networks model was developed based on multi-layer perception (MLP) networks and the Levenberg–Marquardt optimization algorithm. The flapping kinematics data were divided into two groups for the training and the prediction test of the ANN model. The training phase led to a very satisfactory calibration of the ANN model. The attempt to predict aerodynamic forces both the lift coefficient and drag coefficient showed that the ANN model is able to simulate the unsteady flapping motion kinematics and its corresponding aerodynamic forces. The shape of the simulated force coefficients was found to be similar to that of the numerical results. These encouraging results make it possible to consider interesting and new prospects for the modelling of flapping motion systems, which are highly non-linear systems.     

基于人工神经网络的主机安全量化评估研究

基于人工神经网络的方法对主机安全性能进行量化评估。分析了BP人工神经网络模型的网络结构及学习算法,分析了影响目标主机安全性能的可能因素,并应用BP神经网络模型对目标主机的安全性能进行样本训练及实际测试。基于人工神经网络的主机安全量化评估为评价目标主机的安全性能提供了可行的方法。     

一种基于CC的网络安全评估模型

该文提出了一种新的网络安全评估模型。根据网络元素的安全要求确定其基于CC的安全指标参数,并采用多层线性加权评价的方法进行定量计算,由所有网络元素的安全指标综合确定网络安全的等级。