基于改进的BP神经网络的网络空间态势感知系统安全评估

计算机科学 ›› 2018, Vol. 45 ›› Issue (11A): 335-337.

基于改进的BP神经网络的网络空间态势感知系统安全评估

陈维鹏^1,2, 敖志刚¹, 郭杰¹, 余勤¹, 童俊¹

陆军工程大学野战工程学院南京210007¹
中国人民解放军73233部队浙江舟山 316014²

出版日期:2019-02-26 发布日期:2019-02-26
作者简介:陈维鹏(1987-),男,硕士,主要研究方向为网络空间作战、预测与决策;敖志刚(1959-),男,硕士,教授,主要研究方向为网络空间作战、网络前沿技术、网络安全;郭杰(1982-),男,博士,副教授,主要研究方向为工程保障信息化;余勤(1981-),男,博士,副教授,主要研究方向为工程保障信息化;童俊(1984-),男,博士,讲师,主要研究方向为网络空间作战态势感知。
基金资助:
本文受原总装预研基金项目(9140A06020215JB25080)资助。

Research on Cyberspace Situation Awareness Security Assessment Based on Improved BP Neural Network

CHEN Wei-peng^1,2, AO Zhi-gang¹, GUO Jie¹, YU Qin¹, TONG Jun¹

College of Field Engineering,Land Force Engineering University,Nanjing 210007,China¹
73233 Army of PLA,Zhoushan,Zhejiang 316014,China²

Online:2019-02-26 Published:2019-02-26

摘要/Abstract

摘要： 文中利用BP神经网络算法建立了网络态势感知等级与感知参数之间的关系,定量评估了态势感知状况。神经网络在这一领域的研究最为成熟,但传统的BP神经网络算法在反馈误差方面速度较慢,且存在易收敛到局部极值的缺点,因此使用变步长学习策略和模拟退火法进行优化,搭建虚拟HoneyNet模拟网络环境,然后利用Matlab软件进行算法仿真,获得的结果与实际情况接近。

关键词: BP神经网络, 评估指标体系, 态势感知, 网络安全

Abstract: This paper used BP neural network algorithm to establish the relationship between the network situation awareness level and the perceived parameters,and situation awareness was assessed quantitatively.The research of neural network in this field is the most mature,but the traditional BP neural network algorithm is slow in feedback error,and it is likely to converge to a local extremum.So the variable step learning strategy and simulated annealing method are used to build a virtual network HoneyNet simulation environment,then the Matlab is used for algorithm simulation.The obtained results are close to the actual results.

Key words: BP neural network, Evaluation index system, Network security, Situation awareness

中图分类号:

TP393.08

陈维鹏, 敖志刚, 郭杰, 余勤, 童俊. 基于改进的BP神经网络的网络空间态势感知系统安全评估[J]. 计算机科学, 2018, 45(11A): 335-337. https://doi.org/

CHEN Wei-peng, AO Zhi-gang, GUO Jie, YU Qin, TONG Jun. Research on Cyberspace Situation Awareness Security Assessment Based on Improved BP Neural Network[J]. Computer Science, 2018, 45(11A): 335-337. https://doi.org/

参考文献

[1]罗守山.入侵检测[M].北京:北京邮电大学出版社,2004:82-87.
[2]于德江.灰色系统建模方法的探讨[J].系统工程,1991,9(5):9-12.
[3]谢丽霞,王亚超,于巾博.基于神经网络的网络安全态势感知[J].清华大学学报,2013,53(12):1750-1760.
[4]梁颖,王慧强,赖积保.一种基于粗糙集理论的网络安全态势感知方法[J].计算机科学,2007,34(8):95-97.
[5]张云涛,龚玲.数据挖掘原理与技术[M].北京:电子工业出版社,2004:1-57.
[6]孙德衡.基于指标融合的网络安全态势评估模型研究[D].西安:西北大学,2012.
[7]郑皆亮.基于灰色理论的网络信息安全评估模型研究[D].南京:南京信息工程大学,2005.
[8]飞思科技.神经网络理论和matlab7实现[M].北京:电子工业出版社,2006:15-30.
[9]林蔚天.改进的粒子群优化算法研究及其若干应用[D].上海:华东理工大学,2012.

相关文章 15

[1]	柳杰灵, 凌晓波, 张蕾, 王博, 王之梁, 李子木, 张辉, 杨家海, 吴程楠. 基于战术关联的网络安全风险评估框架 Network Security Risk Assessment Framework Based on Tactical Correlation 计算机科学, 2022, 49(9): 306-311. https://doi.org/10.11896/jsjkx.210600171
[2]	王磊, 李晓宇. 基于随机洋葱路由的LBS移动隐私保护方案 LBS Mobile Privacy Protection Scheme Based on Random Onion Routing 计算机科学, 2022, 49(9): 347-354. https://doi.org/10.11896/jsjkx.210800077
[3]	赵冬梅, 吴亚星, 张红斌. 基于IPSO-BiLSTM的网络安全态势预测 Network Security Situation Prediction Based on IPSO-BiLSTM 计算机科学, 2022, 49(7): 357-362. https://doi.org/10.11896/jsjkx.210900103
[4]	陶礼靖, 邱菡, 朱俊虎, 李航天. 面向网络安全训练评估的受训者行为描述模型 Model for the Description of Trainee Behavior for Cyber Security Exercises Assessment 计算机科学, 2022, 49(6A): 480-484. https://doi.org/10.11896/jsjkx.210800048
[5]	刘宝宝, 杨菁菁, 陶露, 王贺应. 基于DE-LSTM模型的教育统计数据预测研究 Study on Prediction of Educational Statistical Data Based on DE-LSTM Model 计算机科学, 2022, 49(6A): 261-266. https://doi.org/10.11896/jsjkx.220300120
[6]	杜鸿毅, 杨华, 刘艳红, 杨鸿鹏. 基于网络媒体的非线性动力学信息传播模型 Nonlinear Dynamics Information Dissemination Model Based on Network Media 计算机科学, 2022, 49(6A): 280-284. https://doi.org/10.11896/jsjkx.210500043
[7]	邓凯, 杨频, 李益洲, 杨星, 曾凡瑞, 张振毓. 一种可快速迁移的领域知识图谱构建方法 Fast and Transmissible Domain Knowledge Graph Construction Method 计算机科学, 2022, 49(6A): 100-108. https://doi.org/10.11896/jsjkx.210900018
[8]	吕鹏鹏, 王少影, 周文芳, 连阳阳, 高丽芳. 基于进化神经网络的电力信息网安全态势量化方法 Quantitative Method of Power Information Network Security Situation Based on Evolutionary Neural Network 计算机科学, 2022, 49(6A): 588-593. https://doi.org/10.11896/jsjkx.210200151
[9]	徐佳楠, 张天瑞, 赵伟博, 贾泽轩. 面向供应链风险评估的改进BP小波神经网络研究 Study on Improved BP Wavelet Neural Network for Supply Chain Risk Assessment 计算机科学, 2022, 49(6A): 654-660. https://doi.org/10.11896/jsjkx.210800049
[10]	朱旭辉, 沈国娇, 夏平凡, 倪志伟. 基于螺旋进化萤火虫算法和BP神经网络的模型及其在PPP融资风险预测中的应用 Model Based on Spirally Evolution Glowworm Swarm Optimization and Back Propagation Neural Network and Its Application in PPP Financing Risk Prediction 计算机科学, 2022, 49(6A): 667-674. https://doi.org/10.11896/jsjkx.210800088
[11]	夏静, 马中, 戴新发, 胡哲琨. 基于BP神经网络的智能云效能模型 Efficiency Model of Intelligent Cloud Based on BP Neural Network 计算机科学, 2022, 49(2): 353-367. https://doi.org/10.11896/jsjkx.201100140
[12]	张师鹏, 李永忠. 基于降噪自编码器和三支决策的入侵检测方法 Intrusion Detection Method Based on Denoising Autoencoder and Three-way Decisions 计算机科学, 2021, 48(9): 345-351. https://doi.org/10.11896/jsjkx.200500059
[13]	周仕承, 刘京菊, 钟晓峰, 卢灿举. 基于深度强化学习的智能化渗透测试路径发现 Intelligent Penetration Testing Path Discovery Based on Deep Reinforcement Learning 计算机科学, 2021, 48(7): 40-46. https://doi.org/10.11896/jsjkx.210400057
[14]	李贝贝, 宋佳芮, 杜卿芸, 何俊江. DRL-IDS:基于深度强化学习的工业物联网入侵检测系统 DRL-IDS:Deep Reinforcement Learning Based Intrusion Detection System for Industrial Internet of Things 计算机科学, 2021, 48(7): 47-54. https://doi.org/10.11896/jsjkx.210400021
[15]	郭福民, 张华, 胡瑢华, 宋岩. 一种基于表面肌电信号的腕部肌力估计方法研究 Study on Method for Estimating Wrist Muscle Force Based on Surface EMG Signals 计算机科学, 2021, 48(6A): 317-320. https://doi.org/10.11896/jsjkx.200600021

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed