網絡安全態(tài)勢感知中態(tài)勢要素獲取技術的研究.pdf

1、計算機和網絡技術的不斷發(fā)展，為我們的生活帶來了很多方便，但于網絡的開放性和共享性，也不可避免的引入了安全隱患。目前針對網絡設備和網絡服務的攻擊行為朝著組合式、分布式、間接式、復雜化的方向發(fā)展。在這種情況下開展網絡安全態(tài)勢感知的研究是非常有必要的。
　　網絡安全態(tài)勢感知技術不同于以往的網絡安全技術，它是一種主動的網絡安全技術，通過態(tài)勢提取、態(tài)勢理解、態(tài)勢預測三個過程來保證網絡的安全。態(tài)勢要素提取是整個態(tài)勢感知過程的基礎，意義重大，本

2、文對態(tài)勢要素提取技術進行了的研究，深入的研究了網絡安全態(tài)勢要素獲取技術中的屬性約簡過程和分類過程。
　　首先，針對屬性約簡技術中Pawlak經典粗糙集理論不適合處理網絡數據這一問題，將粒度計算引入廣義粗糙集理論中來對網絡數據進行屬性約簡操作。在廣義粗糙集的基礎上對屬性集合所蘊含知識的粒度進行量化描述，對屬性的重要程度進行量化描述，并證明了相關性質，在此基礎上提出了一種屬性約簡算法，通過該算法可以求得原屬性集合的一個最優(yōu)約簡。

3、>　　其次，針對分類技術中BP神經網絡容易陷入局部最小值、收斂速度慢的缺點，本文設計一種自適應遺傳算法(IGA)來訓練神經網絡。在設計遺傳算法的時候把種群劃分為精英團體和普通團體兩個部分，根據兩個團體之間的適應度距離來自適應的調節(jié)種群的變異強度，從而可以避免種群早熟，進而更快的搜索到問題的全局最優(yōu)解。
　　最后，通過實驗驗證了本文于態(tài)勢要素獲取技術中所涉及的屬性約簡和分類這兩方面所做的工作的有效性。先利用本文所設計的屬性約簡算法求