一种基于GSA-SVM网络安全态势预测模型

被引:9
作者
陈玉鑫
殷肖川
谭韧
机构
[1] 空军工程大学信息与导航学院
关键词
网络安全态势预测; 支持向量机; 引力搜索算法;
D O I
暂无
中图分类号
TP393.08 [];
学科分类号
0839 ; 1402 ;
摘要
针对支持向量机的参数选择问题,结合引力搜索算法(GSA)需要设置的参数少以及全局优化能力强的特点,提出了一种GSA优化SVM参数的网络安全态势预测模型(GSA-SVM)。首先把SVM的参数视作在空间中的物体,并将SVM在该参数下预测产生的预测值和实际值之间的均方误差mse作为目标优化函数,然后GSA通过模拟万有引力规律影响下物体的运动规律不断变化参数,最终找到SVM最优参数。最后根据最优参数建立网络安全态势预测模型。在Matlab平台采用MIT Lincoln实验室提供的DARPA1999数据集进行仿真测试,仿真结果表明:相对于其它预测算法,GSA-SVM提高了网络安全态势预测的准确度,加快了网络安全态势预测的速度,为网络安全态势预测提供了一种新的解决途径。
引用
收藏
页码:78 / 83
页数:6
相关论文
共 21 条
[1]  
A Shot Boundary Detection Method Based on PSO-SVM[J] . Zhao Long,Sun Xue Mei,Zhang Ming Wei. &nbspApplied Mechanics and Materials . 2012 (130)
[2]  
Snort 2.0入侵检测[M]. 国防工业出版社 , (美)BrianCaswell等著, 2004
[3]   基于时间序列分析的网络安全态势预测 [J].
文志诚 ;
陈志刚 ;
唐军 .
华南理工大学学报(自然科学版), 2016, 44 (05) :137-143+150
[4]   基于灰色理论和BP神经的网络安全态势预测 [J].
邓勇杰 ;
文志诚 ;
姜旭炜 .
微型机与应用, 2015, 34 (20) :1-3+8
[5]   一种具有记忆特征的改进蝙蝠算法 [J].
王文 ;
王勇 ;
王晓伟 .
计算机应用与软件, 2014, 31 (11) :257-259+329
[6]   关于拉格朗日乘数法的两点思考 [J].
戎海武 .
高等数学研究, 2013, 16 (04) :81-82+86
[7]   基于D-S证据理论的网络安全态势预测方法研究 [J].
石波 ;
谢小权 .
计算机工程与设计, 2013, 34 (03) :821-825
[8]   基于RBF核函数的支持向量机参数选择 [J].
林升梁 ;
刘志 .
浙江工业大学学报, 2007, (02) :163-167
[9]   层次化网络安全威胁态势量化评估方法 [J].
陈秀真 ;
郑庆华 ;
管晓宏 ;
林晨光 .
软件学报, 2006, (04) :885-897
[10]   基于遗传算法的SVM参数选取 [J].
杨旭 ;
纪玉波 ;
田雪 .
辽宁石油化工大学学报, 2004, (01) :54-58