基于改进贝叶斯正则化BP神经网络模型的网络安全态势预测方法研究
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
型的 网络安全 态势预 测方法 ， 最后进 行了实验 仿真， 说明了该 预测方法的有效性和科 学性。
第二 ， 根 据第一步的服务信息， 然后计算 网络 中活 动主机
第三 ， 收集网络运 行时主机系统 的性能状态信息 ， 通 过基
优势 ， 对 算法进行 改进 ， 提 出一种 基于贝叶斯的Ｂ Ｐ 神经网络模 系统中每项服务 的权 重， 从而获得网络系统安全指数 。
安全 态势 量化 的的基 础上 ， 改进 贝叶斯算 法， 提 出一种 改进 型 贝叶斯正则化 Ｂ Ｐ 神 经 网络模 型 的网络 安 全 态势 预 测方法 ， 通过 模 拟 网络 环 境
一 ～ － ｔ ｍ 叽 。 ～ 肺 一 ） ｅ Ｖ 订 一 ～ 她 － 蠹 ｌ （ ， 嘲 一 ｂ ． ～ ｙ ａ 要 一 一 Ｅ 叩 ～ ｉ Ｕ ｄ 一 耋 ． 墨 Ｉ 一 ～ ＋ 呲 ｈ 一 ～ ， ｇ ｌ 吾
进行教据分析， 验证了 该预测方法可以减小了 训练误 差和预测误差， 提高了 对网络安全态势预测精度 ， 证明了 该方法的可行性。
关键 词： 贝叶斯正则化 ； Ｂ Ｐ 神 经网络； 网络 安 全态 势； 态势预 测
Ｔｈｅ ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ｐｏ ｗｅ ｒ ｎｅ ｔ ｗ ｏｒ ｋ ｓ ｅ ｃ ｕｒ ｉｔ ｙ ｓ ｉ ｔ ｕａ ｔ ｉ ｏｎ ｐｒ ｅ ｄｉ ｃ ｔ ｉ ｏ ｎ ａ ｂｏｕｔ
于加权 的性能参数修正算法计算出改进后的主机系统 网络安全
态势 指数。
２ 正则化Ｂ Ｐ 神 经 网络
所谓 的正 则化 方法， 就是指在误 差函数 的基础上 ， 再增加
第 四， 根 据网络中的网络设备及主机 系统信息 ， 进而计 算
了一个逼近 复杂函数 ， 在误差函数正规化方法 时， 改进其 网络 得 出该网络设备及主机系统在 信 息网络 中的重要性所占权 重，
基于改进 贝叶斯正则化Ｂ Ｐ 神经网络 模 型 的网络 安全态势 预测 方法研究
李晓阳（ 东北电力 大学信 息工程学院， 吉 林 吉 林 １ ３ ２ ０ １ ２ ）
摘 要 ： 随着互联 网的迅速发展， 网络安全问题越 来越严重， 分析及预测网络安网络安全态势， 对于网络安全具有重要意义。 本文在网络
．
．
肿ｍ
１ 概 述
～ 一 一 瑟 一 一 ～ 一 一 ． 量 甜 胁 ｍ ｃ ∞ 量
ｌ ｃ ｂ
的参数大小。
然后通 过该算法计 算Ｈ ｅ ｓ ｓ ｉ ａ ｎ 矩 阵， 则大 大降低了神经 网
源自文库
随着 网络 的迅 速发展 ， 互联网的规模不 断扩 大， 计 算机 网
在Ｍ Ａ Ｔ Ｌ Ａ Ｂ Ｒ ２ ０ １ ｌ ａ 里面通过ｔ ｒ ａ ｉ ｎ — ｂ ｒ 函数来实现 络技术 已广泛地 应用社会 的各个行业 ， 它给人们的带来方便 的 络 的计算量。 同时， 也存着 越来 越严重 的网络 安全方面 的隐 患。 传 统的网络 贝叶斯正则化 。 安全 技术已很 难满足需求， 因此 网络安全态势感知技术顺 应运 ３ 建 模 过程
一
． ｍ 一 ｃ ． ～ 。 ｍ 一 一 舱 一 ～ ∞ 一 ～ ｍ 一 一 ． 们 － 一 ～ 量
． 一 一～
本文利用层次化” 相关研 究内容， 结合获取到的网络运行
第一， 通过一定的方式收集 到网络安全态势要素方面的的
务受遭 受到的攻击数量、 严重程 度 ， 通过量化公式计算 出每个
入局 部极值 ， 导致 权值收敛 到局 部极 小点， 从而导致 网络 训练 原始数 据， 筛选 出有 关的数据 并加 以关联融合， 分析 出网络服
失败。
本文在 吸收 以上两种预测算法优 点， 结合 网络安全态势值 服务的网络服务安全指数 。 具有非线性时间序列的特点 ， 利用神经 网络处理非线 性数据 的
计算出各个子 网的网络 。 其 中Ｅ ｗ ＝ ∑ 表 示神经 网络权 重 的 再 结合各个 设备 的网络安全态 势信息， 安全威胁性指数 。 平方和 ， ｃ Ｄ 表 示神经 网络连接 的权值 ， Ｍ 表示神 经网络连接权 第 五， 最后将 信息网的网络 安全态势信息进行整 合， 从而 的数 目， Ｅ 表示神经 网络 期望值和 目标值 的残差 平方和，ｃ ［ ，卢
时代而生 。
近年来 ， 网络 安全 问题 愈发凸显 ， 分析及预测 网络 安网络 中主机系统和网络设备产生的 日志、 告警等数据， 利用 自下而上 安全 态势 ， 对于 网络安全具有 重要意义 。 文献 提 出了基于贝叶 网络安 全态势值量化 策略， 对 网络 态势指标 进行量化 。 在实 斯 网络的网络 安全态势 评估方法研 究， 但该方法 对事物 的推 断 验 环境下， 提 取网络运行 时的多种设备 的性 能参 数 ， 从而更真 必须 且只须根 据后验分布， 而不能再涉及样本分布 。 文献 使 用 实反映网络 的安全态势状况。 建模过程如下： Ｂ Ｐ 神经 网络对 网络安全态势进行 评估， 该方 法会可能使训练陷
函数 为：Ｆ＝
＋
表示 目 标 函数 的参数 ， 神经 网络 的训练 目标 取决于该 目标 函数 获取整个 网络的安全态势状况 。
４ 实验仿真
作者简介： 李晓阳 （ １ ９ ８ ４ － ） ， 男， 汉族， 湖南未阳人， 硕士研究
生， 研 究方向： 计算机网络安 全。 （ １ ） 本文实验环境 设计如图１ （ ２ ） 数据处理 ： 先对原始数据进行 归一化处理 ， 再进行 贝 （ 下转第２ ８ 页）
ＢＰ ｎｅ ｕｒ ａ ｌ ｎｅ ｗ ｏｒ ｔ ｋ ｍ ｏｄｅ ｌ ｂａ ｓ ｅ ｄ ｏｎ ｉ ｍ ｐｒ ｏｖｅ ｄ ｂａ ｙｅ ｓ ｉ ａ ｎ ｒ ｅ ｇ ｕｌ ａ ｒ ｉ ｚ ａ ｔ ｉ ｏ ｎ
ｎ ｒ Ｃ Ｗ
． ｍ 一 ｔ ｍ ＝ｎ — 一 一 ～ ～ － 重 一 ～
第二 ， 根 据第一步的服务信息， 然后计算 网络 中活 动主机
第三 ， 收集网络运 行时主机系统 的性能状态信息 ， 通 过基
优势 ， 对 算法进行 改进 ， 提 出一种 基于贝叶斯的Ｂ Ｐ 神经网络模 系统中每项服务 的权 重， 从而获得网络系统安全指数 。
安全 态势 量化 的的基 础上 ， 改进 贝叶斯算 法， 提 出一种 改进 型 贝叶斯正则化 Ｂ Ｐ 神 经 网络模 型 的网络 安 全 态势 预 测方法 ， 通过 模 拟 网络 环 境
一 ～ － ｔ ｍ 叽 。 ～ 肺 一 ） ｅ Ｖ 订 一 ～ 她 － 蠹 ｌ （ ， 嘲 一 ｂ ． ～ ｙ ａ 要 一 一 Ｅ 叩 ～ ｉ Ｕ ｄ 一 耋 ． 墨 Ｉ 一 ～ ＋ 呲 ｈ 一 ～ ， ｇ ｌ 吾
进行教据分析， 验证了 该预测方法可以减小了 训练误 差和预测误差， 提高了 对网络安全态势预测精度 ， 证明了 该方法的可行性。
关键 词： 贝叶斯正则化 ； Ｂ Ｐ 神 经网络； 网络 安 全态 势； 态势预 测
Ｔｈｅ ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ｐｏ ｗｅ ｒ ｎｅ ｔ ｗ ｏｒ ｋ ｓ ｅ ｃ ｕｒ ｉｔ ｙ ｓ ｉ ｔ ｕａ ｔ ｉ ｏｎ ｐｒ ｅ ｄｉ ｃ ｔ ｉ ｏ ｎ ａ ｂｏｕｔ
于加权 的性能参数修正算法计算出改进后的主机系统 网络安全
态势 指数。
２ 正则化Ｂ Ｐ 神 经 网络
所谓 的正 则化 方法， 就是指在误 差函数 的基础上 ， 再增加
第 四， 根 据网络中的网络设备及主机 系统信息 ， 进而计 算
了一个逼近 复杂函数 ， 在误差函数正规化方法 时， 改进其 网络 得 出该网络设备及主机系统在 信 息网络 中的重要性所占权 重，
基于改进 贝叶斯正则化Ｂ Ｐ 神经网络 模 型 的网络 安全态势 预测 方法研究
李晓阳（ 东北电力 大学信 息工程学院， 吉 林 吉 林 １ ３ ２ ０ １ ２ ）
摘 要 ： 随着互联 网的迅速发展， 网络安全问题越 来越严重， 分析及预测网络安网络安全态势， 对于网络安全具有重要意义。 本文在网络
．
．
肿ｍ
１ 概 述
～ 一 一 瑟 一 一 ～ 一 一 ． 量 甜 胁 ｍ ｃ ∞ 量
ｌ ｃ ｂ
的参数大小。
然后通 过该算法计 算Ｈ ｅ ｓ ｓ ｉ ａ ｎ 矩 阵， 则大 大降低了神经 网
源自文库
随着 网络 的迅 速发展 ， 互联网的规模不 断扩 大， 计 算机 网
在Ｍ Ａ Ｔ Ｌ Ａ Ｂ Ｒ ２ ０ １ ｌ ａ 里面通过ｔ ｒ ａ ｉ ｎ — ｂ ｒ 函数来实现 络技术 已广泛地 应用社会 的各个行业 ， 它给人们的带来方便 的 络 的计算量。 同时， 也存着 越来 越严重 的网络 安全方面 的隐 患。 传 统的网络 贝叶斯正则化 。 安全 技术已很 难满足需求， 因此 网络安全态势感知技术顺 应运 ３ 建 模 过程
一
． ｍ 一 ｃ ． ～ 。 ｍ 一 一 舱 一 ～ ∞ 一 ～ ｍ 一 一 ． 们 － 一 ～ 量
． 一 一～
本文利用层次化” 相关研 究内容， 结合获取到的网络运行
第一， 通过一定的方式收集 到网络安全态势要素方面的的
务受遭 受到的攻击数量、 严重程 度 ， 通过量化公式计算 出每个
入局 部极值 ， 导致 权值收敛 到局 部极 小点， 从而导致 网络 训练 原始数 据， 筛选 出有 关的数据 并加 以关联融合， 分析 出网络服
失败。
本文在 吸收 以上两种预测算法优 点， 结合 网络安全态势值 服务的网络服务安全指数 。 具有非线性时间序列的特点 ， 利用神经 网络处理非线 性数据 的
计算出各个子 网的网络 。 其 中Ｅ ｗ ＝ ∑ 表 示神经 网络权 重 的 再 结合各个 设备 的网络安全态 势信息， 安全威胁性指数 。 平方和 ， ｃ Ｄ 表 示神经 网络连接 的权值 ， Ｍ 表示神 经网络连接权 第 五， 最后将 信息网的网络 安全态势信息进行整 合， 从而 的数 目， Ｅ 表示神经 网络 期望值和 目标值 的残差 平方和，ｃ ［ ，卢
时代而生 。
近年来 ， 网络 安全 问题 愈发凸显 ， 分析及预测 网络 安网络 中主机系统和网络设备产生的 日志、 告警等数据， 利用 自下而上 安全 态势 ， 对于 网络安全具有 重要意义 。 文献 提 出了基于贝叶 网络安 全态势值量化 策略， 对 网络 态势指标 进行量化 。 在实 斯 网络的网络 安全态势 评估方法研 究， 但该方法 对事物 的推 断 验 环境下， 提 取网络运行 时的多种设备 的性 能参 数 ， 从而更真 必须 且只须根 据后验分布， 而不能再涉及样本分布 。 文献 使 用 实反映网络 的安全态势状况。 建模过程如下： Ｂ Ｐ 神经 网络对 网络安全态势进行 评估， 该方 法会可能使训练陷
函数 为：Ｆ＝
＋
表示 目 标 函数 的参数 ， 神经 网络 的训练 目标 取决于该 目标 函数 获取整个 网络的安全态势状况 。
４ 实验仿真
作者简介： 李晓阳 （ １ ９ ８ ４ － ） ， 男， 汉族， 湖南未阳人， 硕士研究
生， 研 究方向： 计算机网络安 全。 （ １ ） 本文实验环境 设计如图１ （ ２ ） 数据处理 ： 先对原始数据进行 归一化处理 ， 再进行 贝 （ 下转第２ ８ 页）
ＢＰ ｎｅ ｕｒ ａ ｌ ｎｅ ｗ ｏｒ ｔ ｋ ｍ ｏｄｅ ｌ ｂａ ｓ ｅ ｄ ｏｎ ｉ ｍ ｐｒ ｏｖｅ ｄ ｂａ ｙｅ ｓ ｉ ａ ｎ ｒ ｅ ｇ ｕｌ ａ ｒ ｉ ｚ ａ ｔ ｉ ｏ ｎ
ｎ ｒ Ｃ Ｗ
． ｍ 一 ｔ ｍ ＝ｎ — 一 一 ～ ～ － 重 一 ～