一种基于机器学习算法的网络安全评估方法

• 作者: 李丹彤 冯海云 高涌皓
• 来源期刊: 电子设计工程
• 关键词: 支持向量机 果蝇改进算法 网络安全态势 评估
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 通信与网络|Communication & Network
• 页码范围: 138-142,147
• 页数: 6页
• 分类号: TN711
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.12.030

摘要

互联网给人们生活和工作带来便利的同时,也增加了网络安全风险发生的概率.为减少这一危害的出现,提出一种基于机器学习的网络安全预测评估方法,该方法是利用支持向量机的非线性拟合能力和果蝇优化算法的全局优化能力,在时间序列的基础上建立网络安全态势评估模型.所提出的预测模型的决定系数为0.906997774231,最佳核函数参数为9.55886673069,输入维数为12,惩罚因子为26.6112511992.相较于RBF、PSO-SVM两种预测模型,FOA-SVM网络安全预测模型的准确率、AUC值、F1值分别为81.2％、0.83、0.83,能够更好地完成网络安全评估.