基于g-k算法的网络安全态势预测模型

《基于g-k算法的网络安全态势预测模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于G-K算法的网络安全态势预测模型白景斐赵文仓山西电力职业技术学院青岛科技大学自动化学院摘要：针对普通Kalman算法在网络安全态势预测中对初始数据的依赖性较高，且预测精度不够高的问题，本文提出了一种基于G-K算法的网络安全态势预测模型。首先利用灰关联嫡分析方法选出影响网络安全态势的关键因素，然后结合关键因素建立网络安全态势的多元关系模型，最后选用KDD-cup99的部分数据作为实验数据源对改进算法进行实例仿真。结果表明，G-K算法能够快速跟踪网络安全态势的变化趋势，预测精度优于普通Kalman算法。关键词：G-K算法;网络安全;态势预测;

2、屋而优化;灰关联熵分析;关键因素分析;作者简介：白景斐（1983-），女，汉族，山西太原，研宂生学历，计算机应用，E-mail:bjf61853@163.com。收稿日期：2016-12-06NetworkSecuritySituationPredictionModelBasedonG-KAlgorithmBaiJingfeiZhaoWencangShanxiElectricPowerVocationalandTechnicalCollege;QingdaoUniversityofScienceandTechnology;Aimingatth

3、eproblemthatthegeneralKalmanalgorithmhashighdependencyontheinitialdatainthenetworksecuritysituationpredictionandthepredictionaccuracyisnothighenough,thispaperproposesanetworksecuritysituationpredictionmodelbasedonG-Kalgorithm.Firstly,thegrayrelationalentropymethodisusedtose

4、lectthekeyfactorswhichaffectthenetworksecuritysituation,andthenthemultivariaterelationmodelofthenetworksecuritysituationisestablishedwiththekeyfactors.Finally,somedataofKDDcup99areusedastheexperimentaldatasourcetosimulatetheimprovedalgorithm.TheresultsshowthattheG-Kalgorith

5、mcanquicklytrackthetrendofnetworksecuritysituation,andthepredictionaccuracyisbetterthanthatofordinaryKalmanalgorithm.Keyword：G-Kalgorithm;networksecurity;situationprediction;roofoptimization;grayrelationalentropyanalysis;keyfactoranalysis;Received：2016-12-06对网络的安全态势进行研宄，探宄其

6、未来发展的方向，就可以更好而又更加全面地把控网络安全态势U1。要想对网络安全态势进行预测，就需要了解过去和现今的网络状态，通过对比，就可以对网络安全进行推断m。评估网络安全的过程屮，需要达到的最为重要的结果就是预测网络安全态势，这也是最为重要的一个环节m。例如灰色关联模型或者贝叶斯模型都是最为传统的对网络安全进行预测的方法，在统计学中相对有较多的使用者ui。传统的统计学模型尽管无法对网络的终极目标进行判定，但能够基木反馈出网络安全的基木状态位1。比如前文讲到的灰色关联模型，虽然无法保证对数据进行精准的预测，但是能够较为清晰地反馈出网络态势的发

7、展情况边1。由于网络安全监测的重要性，相当多的专家学者针对预测网络安全态势进行研宂和分析，也确实发现了很多问题，主耍问题存在于时间序列方面，专家在验证的过程中，发现造成问题最为主要的原因在网络式非线性的状态特征，但是运用的统计学方法呈现出线性特征m。这样就无法通过传统算法对网络安全态势进行预测，需要加入一定的人工裨能算法予以补助，主要会涉及到马尔可夫、神经网络、向量机（SVM）等人工智能算法，通过人工加上传统的算法，可以保证网络安全态势的预测有更加精准的范围M。马尔可夫、神经网络、向量机（SVM）等人工智能算法也存在如下弊端:在对SVM参数进

8、行选择的过程中，会具有较强的盲目性，受到选择者的个人主观意识比较强烈，由于没有理论作为依据进而导致样本数据进-步增加，会让算法的进程十分缓慢;无法确定神经网络的参数