[发明专利]一种基于遗传算法改进的BP神经网络安全态势评估算法

说明书

一种基于遗传算法改进的BP神经网络安全态势评估算法，通过合理构建网络安全态势评估模型，同时依靠神经网络强大的自学习能力，将BP神经网络应用于网络安全态势的评估中，同时针对神经网络算法自身存在的易限于局部最小值，收敛速度慢等缺陷，引入遗传算法对BP神经网络权值进行优化，加快BP神经网络的收敛速度，提高BP神经网络对网络安全态势评估的准确性和高效性，从而有效解决利用单纯神经网络进行网络安全态势评估结果的效率不高、结果不确定性问题。

技术领域

本发明属于网络安全技术领域，具体涉及一种基于遗传算法改进的BP神经网络安全态势评估算法。

背景技术

随着计算机技术的迅猛发展和通信技术的不断革新，“互联网+”、新兴智能产业的快速发展，以及各种网络设备、网络应用的推陈出新，互联网的规模和应用领域也在不断扩大，已经广泛渗透到社会、经济、政治、军事、科技与教育等各个领域。与此同时，伴随着Internet网络规模的迅速扩大，随之而来的安全问题也层出不穷且日益严峻。全球范围内，网络攻击的种类和数量也在持续增长，网民网络安全环境日趋复杂，网络基础设施和重要信息系统面临着严峻的安全挑战。面对复杂多样的网络威胁，必须采取有效的措施来保证网络安全运行，传统的网络安全防御手段主要有防火墙技术、防病毒系统、入侵检测系统等，但是这些技术和安全设备都仅限于关注某一方面的安全问题，不能实现对全局网络整体的安全状况进行准确及时的监控。比如防火墙主要针对外网的防护，但是有许多的安全问题却是在内网中发生的；入侵检测系统只是对攻击的某一部分进行检测，而对于复杂的攻击行为也会发生误报、漏报等情况。依靠某一单一的网络安全设备进行网络的防护已经不能满足当前网络安全的需求。

在传统网络安全防御手段无法满足对目前网络系统的安全防护的情况下，网络安全态势感知技术应运而生，并迅速成为了网络信息安全领域的一个新的研究热点。网络安全态势感知系统就是通过对各种网络安全设备检测到的数据进行提取、分析、融合，同时通过算法对数据进行评估、预测，从而做到对大规模网络的全面监控，实时地反映出当前网络的安全状态，并且获得网络未来的发展趋势。为网络管理员提供可靠的决策依据，帮助网络管理员实现对网络安全状况的及时感知、全局掌控、综合评估等，将由网络不安全因素带来的风险和损失降到最低。

BP神经网络是一种多层前馈神经网络，由一个输入层，一个或多个隐藏层和一个输出层组成，如图1所示，主要特点是全连接的神经网络，即每个单元都向下一层的每个单元提供输入，同时如果给定足够多的隐藏单元和足够的训练样本，多层前馈网络可以逼近任何函数。BP算法主要分为以下几个步骤：步骤1，初始一个很小的随机数(如-1.0到1.0)作为网络的初始化权值，同时为每个单元也初始化一个小的随机数作为偏倚；步骤2，应用激活函数进行向前传播输入，其中输入单元：输出O_j＝输入值I_j，不发生变化，用其输入的线性组合计算隐含层或输出层每个单元的净输入，同时将激活函数作用于隐含层或输出层净输入，一般使用S函数，将一个较大的输入值域映射到一个较小的(0，1)区间；步骤3，向后传播，同时更新网络权重和偏倚，进行多次训练，直到达到步骤4的终止条件；步骤4，该步骤为结束条件，BP算法一般具有三个终止条件，满足其中一条即可终止算法，终止条件分别是：前一周期所有的Δw_ij都小于某个指定的阈值、前一周期误分类的元组百分比小于某个阈值或者超过预先指定的周期数。通过对数据样本进行学习，同时调整连接权值，从而实现非线性数据的分类等问题。正是由于神经网络的这种优势，我们将BP神经网络应用于网络安全的态势评估之中，通过对当前网络上的有效信息预处理之后不断迭代学习，最终得到网络当前的状态。

但是目前存在的问题是BP神经网络网络结构选择性比较大、权值学习一般使用传统的学习算法，从而容易导致有时候训练效率不高，造成网络性能下降，直接影响网络的逼近能力。所以找到更好的方法与神经网络结合起来，首先通过优化神经网络的结构或者优化权值使得神经网络的计算能力增强，从而将神经网络应用于网络安全态势评估当中，使得更加高效而且准确地评估网络安全状态。

发明内容