基于GA参数优化的t-SVR网络安全风险评估方法

被引：4

作者：

成科

宋海声

安占福

孔永胜

机构：

[1] 西北师范大学物理与电子工程学院

来源：

计算机工程与应用 | 2014年 / 12期

关键词：

网络安全风险; t-支持向量回归机(SVR)评估模型; 遗传算法; 参数组合寻优;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

为了提高网络安全风险评估的准确性和实时性,提出一种t时延参数优化支持向量回归机的网络安全风险评估模型(t-SVR)。利用遗传算法(GA)的全局搜索性,对t-SVR模型中的关键参数进行组合寻优。通过对网络安全风险数据集进行仿真,结果表明,基于GA参数优化的t-SVR评估模型已经解决了SVR存在的不足,提高了网络安全风险评估的准确率,缩短了评估时间,评估性能更加稳定。

引用

收藏

页码：91 / 95

页数：5

相关论文

共 14 条

[1] 基于KNN-SVM的网络安全态势评估模型 [J].

何永明 .

计算机工程与应用, 2013, 49 (09) :81-84

[2] 基于支持向量回归的网络性能评估模型研究 [J].

宋海声 ;

赵晓林 ;

刘平和 ;

王丹丹 .

西北师范大学学报(自然科学版), 2012, 48 (03) :56-59

[3] 基于证据理论的网络安全风险组合评估方法 [J].

刘勇生 .

计算机仿真, 2012, 29 (01) :106-109

[4] 基于GA-SVM的质量预测系统设计和实现 [J].

李蓓智 ;

李利强 ;

杨建国 ;

吕志军 ;

项前 .

计算机工程, 2011, 37 (01) :167-169

[5] 基于支持向量机的信息安全风险评估 [J].

党德鹏 ;

孟真 .

华中科技大学学报(自然科学版), 2010, 38 (03) :46-49

[6] 网络安全风险的模糊层次综合评估模型 [J].

汪楚娇 ;

林果园 .

武汉大学学报(理学版), 2006, (05) :622-626

[7] SVM-KNN分类器——一种提高SVM分类精度的新方法 [J].

李蓉 ;

叶世伟 ;

史忠植 .

电子学报, 2002, (05) :745-748

[8] 网络安全评估模型研究 [J].

肖道举 ;

杨素娟 ;

周开锋 ;

陈晓苏 .

华中科技大学学报(自然科学版), 2002, (04) :37-39

[9] 人工免疫与网络安全 [J].

杨晓宇 ;

周佩玲 ;

傅忠谦 .

计算机仿真, 2001, (06) :83-85

[10]

MATLAB遗传算法工具箱及应用[M]. 西安电子科技大学出版社 , 雷英杰等编著, 2005