【摘 要】
:
为提高网络安全态势评估的准确率,提出了一种基于遗传优化概率神经网络的网络安全态势评估。首先,在网络安全态势评估建模过程中,根据网络安全态势特点和常见评估等级建立了
【机 构】
:
广州理工学院计算机科学与工程学院,华南师范大学计算机学院,中南大学计算机学院
【基金项目】
:
国家自然科学基金项目(61671213),广东省质量工程建设项目(2020SZL02),广东省教学改革建设项目(2018SJG04)。
论文部分内容阅读
为提高网络安全态势评估的准确率,提出了一种基于遗传优化概率神经网络的网络安全态势评估。首先,在网络安全态势评估建模过程中,根据网络安全态势特点和常见评估等级建立了概率神经网络的网络安全态势评估模型,以便充分挖掘概率神经网络在网络安全态势评估细粒度方面的优势。然后,为了防止因网络安全态势参数细粒度评估而造成收敛速度过慢的情况发生,对概率神经网络的修正因子进行遗传算法优化,并再次进行概率神经网络训练,从而得到稳定的概率网络安全态势评估模型。经过实验证明,相比传统的概率神经网络算法,基于遗传算法优化概率神经网络
其他文献
格上基于身份的加密机制(Identity-Based Encryption, IBE)能够有效抵抗量子攻击,并且该机制将每个人的身份信息作为公钥,能够简化公钥基础设施(Public Key Infrastructure,
词与其上下文的共现矩阵是词的分布表示学习的关键。在构造共现矩阵时,可采用不同方法来度量词与其上下文之间的关联。文中首先介绍了3种词与其上下文的关联度量方法并构造了
下一代蜂窝网络在网络管理和服务供应场景中发挥着重要的作用,对移动网络流量的预测分析正变得越来越重要。文中针对城市蜂窝流量的预测,设计了一个基于多通道稀疏长期短期记
生成式对抗神经网络(Generative Adversarial Nets, GAN)和对抗自编码器(Adversarial Autoencoder, AAE)被成功地应用于图像生成中。此外,对抗网络能够无监督地对样本中所包含的数据特征进行学习。然而,将传统的对抗网络应用于异常检测时取得的分类效果较差,有两个方面的原因:一是GAN属于生成式模型,但异常检测模型往往被归入判别式模型的范畴;二是现有的
空中自组网(Flying Ad-Hoc Network, FANET)是支撑无人机集群系统(Unmanned Aerial Vehicle Swarm, UAV swarm)的关键技术,它由数量庞大且具有无线通信能力的小型无人机构成
随着经济的不断发展,环境污染问题也日益加重,因此,环境监测技术成为当前研究的热点课题。目前,环境监测存在难度大、总量大以及范围大等问题。监测环境差,导致各项试验数据不能满足标准要求,监测结果存在一定的偏差;采集数据时间滞后,每天采集的信息数据有限且数据信息更新严重滞后;监测设备功能单一,单一业务数据无法满足环境监测综合管理需要。为更好地解决环境监测中的实际问题,研发基于智慧灯杆的物联网智能感知子系
为了提高Docker容器服务器集群的抗并发性和缩短平均响应时间,文中设计了一种动态负载容器服务器的算法DLOAD(Dynamic Loading Algorithm)。该算法在WRR负载算法的基础上引用
高性能互连网络是高性能计算机系统中各节点高速协同并行计算的关键。在高性能互连网络的运维过程中,由链路质量恶化引发的网络端口阻塞故障定位困难,一旦发生网络端口阻塞,
社交媒体时代的到来在加速信息流动的同时也为假消息的迅速传播提供了温床。假消息可能会对群众的认知产生严重的干扰,致使群众做出错误的决策,从而扰乱社会秩序,干扰政治选
我国目前的学术评价体制饱受诟病,因而构建公平、公正、公开的学术评价体制对营造良好的学术环境至关重要。近年来,学术论文公开评审网站OpenReview的出现给学术论文评价带来