基于多特征降维的网络安全态势要素提取方法

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:qingqing008800
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对当前网络安全态势要素提取方法未考虑多特征降维态势信息,导致网络安全态势要素分类正确率和召回率较低,误警率较高的问题,提出了基于多特征降维的网络安全态势要素提取方法.搭建网络安全态势要素提取架构,获取网络安全态势信息,采用非负矩阵分解算法,多特征提取与降维态势信息,构造并训练超球体分类器,获得态势要素信息分类函数,制定网络安全态势要素提取程序,实现网络安全态势要素提取.实验结果表明,在不同数据分布情况下,提出方法的网络安全态势要素分类正确率和召回率较高,能够有效降低误警率.
其他文献
正交变换容积卡尔曼滤波(Transformed Cubature Kalman Filter,TCKF)在不增加计算量的前提下,解决了容积卡尔曼滤波(Cubature Kalman Filter,CKF)的非局部采样问题,滤波性能优于CKF.提出一种量测噪声自适应平方根TCKF(Adaptive-Square Root Transformed Cubature Kalman Filter,A-SRTCKF)算法,对TCKF进行改进,采用QR分解更新误差协方差矩阵的平方根进行滤波运算,并通过估计残差协方差矩
针对樽海鞘群算法(Salp Swarm Algorithm,SSA)求解精度不足、容易早熟收敛的缺点,提出了一种多策略协同作用的改进樽海鞘群算法(MSSSA).在领导者位置更新公式中引入指数衰减因子,改善算法的全局收敛速度;在跟随者位置更新公式中引入随机惯性权重算子,以协调并增强算法的局部开采和全局勘探能力;通过加权方式产生潜在食物源,并根据贪婪准则在当前食物源和潜在食物源中保留较优食物源,引导樽海鞘个体向最优解空间运动.采用7个基准函数进行仿真,同时使用Friedman排名检验评价所提算法的性能,测试结
为提升基层网络数据挖掘精度与效率,有效应用基层网络数据提供帮助,提出基于深度学习的基层网络数据个性化挖掘算法,设计基于模糊神经网络的基层网络数据个性化挖掘算法过程,通过数据准备阶段清洗、选取及转化初始基层网络数据,得到高精度完整统一的待挖掘基层网络数据,划分其为训练组与测试组,构建包含输入层、模糊输入层、隐含层、模糊输出层及期望输出层的五层模糊神经网络,运用训练组基层网络数据训练该模糊神经网络,裁剪掉训练后模糊神经网络内的冗余权值规则,提取出最大权值规则,运用该规则对测试组基层网络数据实施挖掘.实验结果表
针对不同深度的冻土导致路基同一断面阴阳坡产生横向的沉降差问题,将经过冻融循环试验后的粉砂土进行固结压缩试验,并运用Abaqus软件将试验结果代入作为边界条件,进行路基阴阳坡沉降模拟,通过路基差异沉降及变坡率判断路基的稳定性.根据试验和有限元仿真分析结果,对吉林省松原市石化大街路基两侧边坡采用掺入泥炭的粘性土进行覆盖保温、沿道路路基纵向定距设置通风管的方法,可以有效防止路面因路基横向差异产生的沉降而发生破坏.