[发明专利]基于迭代优化RBF神经网络的网络安全态势分析方法

权利要求书

1.一种基于迭代优化RBF神经网络的网络安全态势分析方法，其特征在于，包括以下步骤：

(1)基于资源分配网络确定最大的RBF神经网络隐含层神经元个数h；

(2)初始化种群M∈R^N×(h+m)为：

其中，为第i₁个基函数宽度，为某个隐含层神经元与第j₁个输出层神经元之间的权重，m为输出层神经元个数，N为种群中个体数量；

(3)根据当前种群划分子种群；包括以下子步骤：

(3.1)计算当前种群中任意两个个体间的欧氏距离，构建邻接矩阵D；

(3.2)利用普利姆算法求解邻接矩阵D的最小生成树T₁；

(3.3)计算最小生成树T₁的平均权值W，取阈值V为最小生成树T₁中小于δ×W的最大权重；δ是权重，0＜δ＜1；

(3.4)遍历最小生成树T₁，查找大于阈值V的所有边并将其断开，得到若干个子连通图；

(3.5)遍历各子连通图，得到子类，对应子种群，并对子种群编号保存；

(4)估计个体的适应度函数并计算个体的选择概率；

(5)根据概率p_c进行交叉操作；包括以下子步骤：

(5.1)轮盘选择一个个体记下该个体所属的子种群的编号i₃，从子种群i₃中选择一个适应度最高的个体

(5.2)选择与子种群i₃距离最远的子种群j₂，随机选择子种群j₂中的一个个体y；

(5.3)个体与进行交叉操作产生的个体的集合为X；

(5.4)选择个体与中，与个体y距离较远的个体，记为个体与个体y进行交叉操作产生的个体集合为Y；

(5.5)通过贪婪算法选择集合X和集合Y中适应度较大的前b个个体作为子代个体，加入当前种群；

(6)执行概率的变异操作，针对每个个体以的概率进行变异，变异子代个体加入当前种群；表示第g次迭代个体变异的概率；

(7)获得被感知网络上的安全数据和对应的网络安全态势值，判断步骤(6)得到的当前种群中适应度最高的个体对应的RBF网络是否满足精度要求；

(7.1)如满足精度要求，则跳到步骤(10)；

(7.2)用g对迭代计步，如不满足精度要求，则判断是否达到指定的迭代次数g_max；

(7.2.1)如达到指定的迭代次数，则跳到步骤(10)；

(7.2.2)如未达到指定的迭代次数，则执行步骤(8)；

(8)基于步骤(6)得到的当前种群，对最优个体进行混沌搜索；在迭代优化过程中采用基于混沌的搜索策略，对每一代的最优个体进行T₂次搜索；

(9)找到步骤(8)搜索得到的T₂个新个体中适应度最高的个体X_g是第g次迭代时步骤(6)得到的当前种群的最优个体；如果适应度高于X_g，则用取代X_g，更新当前种群；否则不更新；

(10)跳到步骤(3)基于步骤(9)得到的当前种群继续进行迭代；

(11)确定最终的RBF网络模型；

(12)将待测网络安全数据输入步骤(11)的RBF网络模型中，输出网络安全态势预测值。

2.如权利要求1所述基于迭代优化RBF神经网络的网络安全态势分析方法，其特征在于，步骤(5.3)中，交叉操作采用的交叉算子为自适应算子，自适应交叉概率为：

其中，f_c表示交叉操作两个个体中适应度较大的个体，f_max和f_avg分别表示当前种群中的最大适应度值以及平均适应度值；通过两个参数进行交叉程度调整，其中，p_c∈[6.000,9.9000]。