基于入侵事件预测的网络安全预警方法

提出了一种基于入侵事件统计规律的安全预警方法,包括聚类分析、周期分析、趋势预测。依据某一攻击发生的历史分布特点,通过聚类分析,取得入侵频数序列;周期分析确定入侵事件发生的周期性;预测未来时间入侵发生趋势。讨论了时间拉度对预测效果的影响,以及算法对周期性攻击预测的适应性。实验结果表明：该方法对周期性攻击的预譬误报率为19％和漏报率为27％。     

基于LSSVM和RBFNN的水华中短期预测方法

为了提高湖库水华中短期预测精度,提出LSSVM水华中长期预测模型和RBFNN水华短期预测模型。首先利用粗糙集理论和主成分分析法确定了水华暴发的主要影响因子,确定叶绿素,总磷,总氮含量以及水温等参数是影响水华发生的主要因素。在此基础上对各自网络的拟合能力分析,通过正确选取模型参数gam和sig2的值,使得LSSVM水华中期预测模型精度远高于SVM网络的预测精度;而对于RBFNN水华短期预测模型,通过正确选取模型参数sp宽度的值来提高该网络的泛化能力和预测精度。     

基于LSSVM的超短期负荷区间预测

智能电网的快速发展给电网运行带来了新的挑战,为适应智能电网快速响应的要求,实现对电力负荷未来运行趋势的快速估计,本文提出一种基于LSSVM模型的超短期电力负荷区间预测方法,所提方法在点预测的基础上,通过对样本数据的整体噪声方差进行估算来预测区间,计算量小且大大减少了预测耗时.在模型参数选取问题上,首先使用Gamma T...     

基于改进LSSVM模型的移动网络流量预测与预警

提出一种基于小波分解的移动数据网络流量预测方法。通过小波分解将移动数据网络流量所构成的时间序列分解成近似部分与细节部分,并分别进行重构;对近似部分采用多输入多输出的LSSVM模型进行预测;对细节部分采用ARIMA模型进行预测;将两部分的预测结果进行拟合,得到最终的预测结果;根据预测结果及历史数据,给出预警区间。实验结果表明,该方法预测精度较高,稳定性较好,适合在移动数据网络流量的实际应用中进行在线长期预测。     

基于遗传算法的网络安全态势感知研究

对网络安全态势准确感知能实现对网络攻击的提前拦截和防范,针对传统的匹配检测方法对网络安全态势预测的精度不好的问题,提出一种基于遗传算法的网络安全态势感知模型,首先构建复杂网络环境下的病毒入侵的安全状态分布模型,进行网络安全态势的特征信息提取,然后采用遗传算法对提取的病毒入侵信息流进行相关性检测,实现安全态势预测和准确感知。仿真实验结果表明,该方法进行网络病毒入侵的准确检测概率较高,对安全态势预测的精度较高,保障了网络安全。     

基于FOA优化混合核LSSVM的铁路货运量预测

单一核最小二乘支持向量机(LSSVM)在铁路货运量预测中难以准确描述货运量的复杂变化特征,限制了预测精度的提高。针对该问题,提出一种基于果蝇算法(FOA)优化混合核LSSVM的预测方法。以多项式核与径向基核组合的混合核函数作为LSSVM核函数,构建铁路货运量的混合核LSSVM预测模型,同时利用FOA全局寻优能力强、计算速度快等优点优化选择混合核LSSVM参数。以我国铁路货运量为例进行方法验证。结果表明,所提方法的RMSE、MAE、MAPE和THEIL值分别为8433.0、6670.8、0.0180和0.0117,均小于其他模型,FOA算法搜索混合核LSSVM参数的时间为40.2948秒,分别比GA和PSO算法减少了2.6208秒和20.7016秒,适合于铁路货运量的短期预测。     

基于遗传算法和神经网络的股票价格预测

针对证券市场运作的复杂性,提出了一种改进的BP神经网络模型,并将其应用于金融街的股价预测。采用遗传算法对网络结构和权值进行了优化,提高了网络的预测精度,加快了收敛速度,克服了以往传统预测方法的缺点。实验结果表明,将改进的BP网络模型用于股市分析和股价预测具有一定的准确性和应用价值。     

网络安全态势预测方法的应用研究

研究网络安全的预测问题,面对海量恶意攻击,信息要及时告警,进行安全管理。针对当前预测模型只能对过去和现在网络安全态势进行分析,不能对将来网络安全态势进行预测的缺陷,为了提高预测精度,提出了支持向量机的网络安全态势预测方法。支持向量机可以利用过去和当前的网络安全态势值,对将来网络安全状态进行预测,同时采用遗传算法对支持向量机参数优化,加快网络安全态势预测速度。通过仿真对预测方法性能进行检验,结果表明,预测方法能够准确反映网络安全的整体变化趋势,提高了网络安全态势的预测精度,相对于传统预测方法,更适用于现实的网络环境中。     

基于预测的遗传算法

遗传算法被广泛应用于解决各类优化问题.常规的遗传算法易于陷入局部最优,其收敛速度也较慢.为了提高常规遗传算法的优化性能,将预测的概念引入遗传算法的循环过程,提出基于预测的遗传算法框架;并以人工神经网络算法作为预测算法,提出了一种基于神经网络预测的遗传算法.通过优化8个典型的函数优化问题,将该算法与常规遗传算法的性能进行了比较;结果显示该算法具有很强的全局优化能力,能有效地增强种群的多样性和进化速度,明显优于常规遗传算法.     

基于遗传混沌算法的LSSVM参数优化及应用

针对最小二乘支持向量机(LSSVM)存建模中的重要参数如何选择问题.提出利用具有随机性、遍历性及规律性的混沌优化算法对LSSVM建模过程中的参数进行优化搜索,为了加快对较大搜索空间中的搜索速度,提出变尺度混沌优化算法与遗传算法相结合遗传算法的组合算法对LSSVM中的参数优化.组合算法克服了单一算法存在的早熟、局部收敛及寻优速度慢等问题,把混沌变最种群映射到LSSVM参数取值区间.按照遗传算法训练,同时利用训练集训练LSSVM,最终得到参数优化值.将该方法应用的谷氨酸发酵过程的建模研究,取得了较高建模精度,提高发酵过程资源利用率的同时增加了谷氨酸产量.     

基于BP算法的网络安全事件风险等级预测方法

为增强网络安全事故定量风险等级分析水平,以便及时查找网络漏洞,提出一种基于BP算法的网络安全事件风险等级预测方法。分析网络攻击行为与过程,分类网络安全事件,依照定量风险等级评估策略,将网络安全事件风险划分为告知、预警、报警、告急四个等级;在网络监控端采集本地网络状态数据,计算不同时段数据的最大变化率,向网络管理端传输并保存实时状态数据;依次确立输入层、隐含层、输出层的节点数量与节点激活函数,运用BP算法创建风险等级预测模型,引入卡尔曼滤波算法实现风险等级预测。实验结果表明,所提方法风险等级预测精度高、效率快,具有极强的实用性与操作性。     

基于因果关系的网络安全事件传导路径分析方法

网络安全事件在发展过程中,形成了网状的传导路径.文章提出一种基于因果关系的相似度分析方法,分析网络安全事件的传导路径.文章首先介绍了安全事件的因果关系,然后提取告警属性信息作为参数,分析其相似度并根据结果确定事件的传导路径,为进一步分析安全事件并采取相应对策提供依据.     

基于多序列隐关系的时序事件预测

时序事件预测是指基于历史事件预测下一个事件,事件包括时间和类型两个属性。当前主要工作集中在单方面（事件时间或事件类型）的预测,但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样,而行为往往高度稀疏,给预测带来极大困难;需要预测的事件时间和事件类型分属两个域,如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战,从融合多序列隐信息的角度探索了一种解决方法。基于某些事件序列之间具有模式相似性这一观察,提出建模事件序列的隐关系图,利用邻居序列的信息解决行为稀疏性的问题;通过合理设计神经网络模块,将事件的时间域和类型域的信息映射到共同的抽象空间,解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验,实验结果印证了多序列深度时序模型优于现有的一系列基准模型。     

基于量子遗传算法的网络安全态势感知研究

基于当前网络状态分析,有利于指导以后的安全态势估计,为了提高网络安全态势感知的主动性和可靠性,提出基于量子遗传算法的网络安全态势感知方法.根据属性的相似度函数计算网络态势信息的相似度,并由报警相似度函数求解出两个报警信息的相似关系.建立对复杂环境下病毒攻击的网络安全态势模型,采用信号处理方法对网络安全态势感知优化.通过量子遗传算法,对网络病毒的交叉点进行区域匹配设置,同时检测病毒入侵的网络信息流,对网络安全态势进行更加精确地感知.基于CICIDS2017进行仿真,实验结果表明,提出的算法得到的安全态势预测结果具有更高的精确性和稳定性,能够有效地提高网络环境的安全性.     

遗传算法在企业网络安全中的应用

计算机网络的发展,加快了企业和社会信息化进程,同时也带来了许多网络安全问题,因此,在开展网络应用时,加强网络的安全保密显得越来越重要。该文根据企业的网络特点设计了一个基于遗传算法的入侵检测模型。     

基于遗传算法的交通流量组合预测研究

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施，实时、准确的交通流量预测是智能交通系统的关键技术之一，也是实现智能交通诱导及控制的前提。本文首先对几种重要的交通流量预测模型的理论和优缺点进行了比较，分析了影响预测模型的因素，然后提出了一种基于遗传算法的流量组合预测方法，该方法利用遗传算法群体搜索的特点，组合各种算法，优化预测思路，充分发掘不同算法的差异优势，实践证明该思路是切实有效的。     

基于遗传算法的网络安全配置自动生成框架

合理配置网络安全设备以对信息系统实施必要的访问控制,是网络安全管理的一项重要任务。随着网络规模的不断扩大,各种用户权限之间会形成复杂的依赖关系,传统基于人工的方式配置网络访问控制策略,主要是依据业务系统的实际需求,按照最小权限的原则进行分配,这种分配方式忽略了权限之间的依赖关系,容易产生过授权的现象,从而为网络带来安全隐患。为解决该问题,提出了一个基于遗传算法的安全配置自动生成框架。首先,以网络规划信息和配置信息为基础,确定用户可能的权限,提取网络基础语义,构建相应的网络安全风险评估模型,实现不同安全配置的安全评估;然后,对网络中所有可能的安全配置进行合理编码,确定遗传算子和算法参数,生成初始种群;最后,通过遗传算法,自动选取较优个体来生成子代个体。该框架能够通过自动比较不同的安全配置下的网络安全风险,以及在可能的配置空间内自动搜索安全配置的最优解,来实现网络安全设备访问控制策略的自动生成。构造一个拥有20个设备、30个服务的模拟网络环境对该框架进行验证,在该模拟环境下,该框架能够在种群样本数目为150的条件下,不超过10次迭代即可找到较优的安全配置。实验结果充分表明,该框架能够根据网络的安全需求,自动生成合理的网络安全配置。     

基于Kalman算法的网络安全态势预测方法

关于网络安全的预防研究,为解决现有网络安全态势感知模型只能对过去和当前时刻的网络安全态势进行分析,而不能对安全态势进行预测的问题,基于卡尔曼算法提出了一种网络安全态势的预测方法,能够利用当前和过去的安全态势值,对网络安全态势进行预测.仿真结果表明,该算法不仅能够反映网络安全态势变化的整体趋势,还能够有效地对态势值进行预测.与传统的GM(1,1)相比有更好的预测价值;与RBF算法相比,更能适用于真实的网络环境.     

基于GEP的网络安全态势预测方法研究

网络安全态势预测是目前一个热门研究项目。本文利用基因表达式编程算法的时间序列预测功能,设计了一个网络安全态势预测模型（GEP-NSSP）。仿真实验结果表明了本方法的可行性。     

基于超网络的网络安全事件连锁演化模型

由于网络的强大的互通性,安全事件的发生常常伴随着其他安全事件的触发,形成连锁反应,造成一定的危害和经济损失。本文从系统论的角度出发,研究网络安全事件之间的不同关联,分析安全事件演化的不同模式,以点、链、网的概念为基础,引入超网络进一步建立四层演化模式的概念,并针对安全事件的不同演化模式进行了详细分析;最后通过实际案例说明了安全事件演化模型的可行性。研究结论对于预防安全事件影响的扩大,以及危害的宏观预警具有一定的积极意义。