GRNN-PSO视角下的网络安全势态预测研究

• 作者: 吴玲丽 李友国 汪建 胡声秋 高渊
• 来源期刊: 现代科学仪器
• 关键词: GRNN-PSO 回归神经网络 网络安全态势,预测方法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术创新与应用
• 页码范围: 141-145
• 页数: 5页
• 字数: 4452字
• 语种: 中文

摘要

网络安全态势预测是属于网络安全态势最为关键构成部分之一,在对网络安全预防制订决策面发挥着非常重要作用.针对网络安全态势预测存在误差等方面问题,本文提出一种GRNN-PSO(改进广义回归神经网络)预测方法,其目的就是使得网络安全态势预估的精准度得到改善.运用时间窗口移动的方法,将各个离散时间监测点的网络安全态势值形成部分线性相关的多元回归数据序列,把它可以看作为样本集录进改进广义回归神经网络中再进行训练,从而形成相关预测模型.在改进广义回归神经网络对其进行训练之中,运用粒子群算法动态地搜索广义回归神经网络最优培训参数,使得选择广义回归神经网络训练参数等方面难题得到解决,最后通过对传统预测方法与改进过的广义回归神经网络预测方法进行相关实验,实验结果体现了前者比后者的方法具有更佳的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李友国		4	8	2.0	2.0
2	胡声秋		2	2	1.0	1.0
3	高渊		3	3	1.0	1.0
4	吴玲丽		2	2	1.0	1.0
5	汪建		1	0	0.0	0.0