MEBN與BKPF相結(jié)合的軟件異常行為預(yù)測.pdf

1、近年來，開放、動態(tài)的新型分布式軟件迅速地興起和發(fā)展，隨著新型分布式軟件的快速發(fā)展，對軟件的預(yù)測已經(jīng)由以往的對資源、性能、缺陷及可信性指標的預(yù)測轉(zhuǎn)化為對軟件運行期交互行為的預(yù)測及運行態(tài)勢的預(yù)測。本文針對軟件運行期場景建立了多實體動態(tài)貝葉斯模型，模型的建立能更好的對可能出現(xiàn)的欺詐、欺騙等反常行為進行預(yù)測，并使行為分析和預(yù)測能真正地指導軟件可信性演化和持續(xù)優(yōu)化。
　　對于新型分布式軟件的交互場景，本文利用多實體貝葉斯網(wǎng)進行描述和分析，這

2、種情形敏感的軟件行為建模方法，有效利用了一階邏輯語言的表述及概率推理能力，在具體的上下文環(huán)境中將監(jiān)測的實證信息與經(jīng)驗知識進行有效融合，構(gòu)建適合當前情形的行為蹤跡模型，并通過模板的檢索、修正、重用達到快速靈活的建網(wǎng)。
　　通過實例化后的情形貝葉斯網(wǎng)為帶時序的貝葉斯網(wǎng)，對多個遞歸的節(jié)點要進行遞歸計算估計,而基于抽樣的粒子濾波算法可以解決遞推推理的問題，多實體貝葉斯網(wǎng)絡(luò)雖然建網(wǎng)靈活、快速，但對于軟件交互行為的后續(xù)預(yù)測效率并不高，分團的粒

3、子濾波方法不但能夠有效地估計軟件交互場景的變化，還具有更高的精確度，而且該算法復(fù)雜度和計算量的增加并不會影響其實際應(yīng)用效果。因此本文采用分團的的粒子濾波算法對軟件行為進行評估。
　　通過實驗仿真得到：多實體貝葉斯網(wǎng)較動態(tài)貝葉斯網(wǎng)絡(luò)的建模效率更高、推理時間更短，這種建模方式將得到快速的發(fā)展；另一方面，對SSBN時序展開圖的概率推理表明，與傳統(tǒng)的粒子濾波推理算法相比，分團粒子濾波算法利用較少的粒子就可以取得較好的推理精度，對在線拍賣的