用于网络安全态势预测的SAGPSO-SVM模型研究

论文摘要

网络安全态势预测精度不足,导致主动防御不及时。本文提出一种基于模拟退火与高斯扰动的粒子群算法（SAGPSO）与支持向量机（SVM）结合的预测模型,首先在传统粒子群（PSO）算法基础上引入模拟退火的思想,避免局部极值,对较优个体进行高斯扰动,然后利用该算法的全局收敛性强、收敛速度快和精确度高的特点对SVM参数进行优化,最后运用获取的模型参数进行预测,从而提高预测精度,并将此模型的预测结果与PSO-SVM和SAPSO-SVM预测模型的预测结果进行对比。结果表明,SAGPSO-SVM是一个预测精度高而且能够更加准确的描述网络安全态势变化趋势的预测模型。

论文目录

• 1 SAGPSO算法步骤
• 2 实验结果及分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 刘俊男,陈占芳,姜晓明,朱利莞

关键词: 安全态势预测,粒子群算法,支持向量机,参数优化,高斯扰动

来源: 长春理工大学学报(自然科学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 互联网技术,自动化技术

单位: 长春理工大学计算机科学技术学院

基金: 吉林省科技计划项目(20190201267JC)

分类号: TP181;TP393.08

页码: 126-128

总页数: 3

文件大小: 1268K

下载量: 44