基于改进BP算法的网络态势预测模型

准确的网络态势预测可以有效的减小网络拥塞程度。本文对网络拓扑和流量数据进行分析,提取了节点数、0D流数、大象流数、总流量等反应网络态势的参数,建立了基于BP神经网络算法的预测模型进行模拟,能够有效的预测上述参数的发展趋势,在网络管理中有较好的应用前景。     

电力信息网络安全态势研究

电力信息系统网络安全是电力系统正常运行的重要因素。电力信息网络安全评估和网络态势预测可以有效避免电力信息网络安全事故的发生。本文首先介绍了电力信息网络存在的安全问题和现行的网络防护措施,接下来对电力信息网络安全态势评估要素和参数进行了分析,最后对电力信息网络安全态势预测方法进行总结,说明了电力信息网络态势预测的全过程。     

基于IWO-ESN的网络流量预测研究

为了提高网络流量的预测精度,针对ESN网络预测结果易受谱半径SR、神经元个数N、输入单元尺度IS、连接稀疏度SD以及嵌入维数p等参数的影响,利用IWO算法收敛速度快的特点对ESN模型参数进行优化。研究结果表明,IWO-ESN可以有效提高网络流量的预测精度,同时可以对ESN网络模型参数和嵌入维数p进行自适应选择,为网络管理优化和拥堵控制提供决策依据。     

动态贝叶斯网络在战场态势估计中的应用

贝叶斯网络用于态势估计时,系统参数不能及时调整,无法对未来时刻进行预测。为解决这一问题,对动态贝叶斯网络在战场态势评估中的应用进行了研究,引入时间因素,建立了网络模型,分析了概率参数与推理的过程,并利用卡尔曼滤波模型法对推理进行仿真实验。实验结果表明了动态模型推理的有效性。动态贝叶斯网络可以有效利用侦察数据中的时间信息,实时动态地处理影响分析和决策的种种因素,对指挥员的作战决策具有极大的参考价值。     

基于NH-DBNs的网络空间态势预测

结合网络空间态势研判的实际问题,对网络态势变量预测进行研究,提出基于NH-DBNs模型的网络态势预测方法,以解决现有模型单时序回归和忽略多变量之间相互影响的问题。给出了网络态势的呈现方式和态势预测的方法与流程。在同一个环境下进行对比实验,证明该算法符合实际应用环境,且能够提升网络空间态势指标预测的精确性,对辅助指挥者科学、合理、精确决策具有一定参考价值。     

云计算环境下的网络安全估计模型态势仿真

在云计算环境下,传统方法采用终端网络监测方法进行网络安全估计,由于网络通信信道终端功率衰减性强,导致安全态势估计精度不高,检测性能不好。提出一种基于自适应数据分类和病毒感染隶属度特征提取的云计算环境下网络安全估计及态势预测算法。构建云计算环境下的网络安全估计模型,采用自适应数据分类算法对网络攻击信息数据进行聚类评估,提取网络攻击病毒数据的感染隶属度特征,实现网络安全态势预测和病毒攻击检测。仿真实验表明,该算法对病毒数据流预测精度较高,实现不同场景下的网络病毒流预测和数据检测,提高了云计算环境下网络抵御病毒攻击的能力。     

一种基于条件信度参数证据网络的态势感知方法

针对战场协同作战中的多平台多传感器探测的信息如何有效形成统一的战场态势感知的问题,本文提出一种基于条件信度参数的证据网络态势感知方法,该方法利用条件信度参数和证据理论,以图结构的方式组织先验知识,相比已有方法,可以有效地进行多源态势信息的融合,减少存储代价和计算复杂度.最后通过实例分析,验证了本文方法的优越性.     

基于PSO-RBF神经网络的海战场电磁态势预测

针对海战场电磁态势的预测问题,提出一种基于改进粒子群(PSO)优化径向基函数(RBF)神经网络的海战场电磁态势预测方法。该方法使用自适应惯性权重、模拟退火法和遗传算法对常规的粒子群算法进行改进,提高算法的搜寻精度和速度,并采用改进粒子群算法优化RBF神经网络参数,提高网络的学习效率和预测精度。最后,对海战场电磁态势值之间的非线性映射关系进行仿真预测。实验结果表明,该方法可以有效地提高海战场电磁态势的预测精度,具有较好的适用性。     

基于BP神经网络的经典-量子信号共纤同传系统参数预测

光纤量子密钥分发的应用推广取决于与现有光网络的兼容性,而利用波分复用技术将经典数据和量子信号进行共纤传输兼备安全性、经济性和实用性等优势。针对经典-量子信号共纤同传系统中信号态平均光子数、诱骗态种类数量等参数最优取值处理困难、运行速度缓慢等影响其实用化的突出问题,建模分析了主要噪声成分,并在考虑统计波动影响下对有限长效应和诱骗态方法进行了评估。进而利用原始信号数据集对反向传播(BP)神经网络进行训练,以实现不同信道噪声条件下的信号态平均光子数等系统参数的预测。结果表明,该网络输出的预测平均光子数取值与原始曲线取值结果基本一致,训练误差小于10^-3。该网络可作为一种有效模型用于实用化诱骗态经典-量子共纤同传系统参数预测,对量子保密通信向着高速率、大容量、智能化发展具有潜在的应用价值。     

基于机器学习的网络安全态势感知系统研究

随着信息技术的快速发展,网络环境变得更为复杂,网络攻击手段也越来越多,网络空间的安全性就更为重要。在此背景下,网络安全态势感知技术应运而生,成为评估网络安全现状,洞察网络安全风险,预测网络未来发展的关键技术。研究网络安全态势感知系统可以提高网络的监控能力、应急响应能力等,文章分析了当前网络安全态势感知模型和网络安全态势指标,采用双向LSTM网络安全预测模型,并用贝叶斯优化方法确定模型的超参数,从而提高了网络安全态势预测模型精度与效率。