[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

说明书

本发明公开了一种基于迭代优化RBF神经网络的网络安全态势分析方法。本发明首次通过遗传算法迭代的优化RBF网络的宽度和链接权重，在总体上维持了较低的绝对误差，并且赖交叉模型和基因突变几率进行自适应调整，使种群向有利方向迭代，加快了算法的收敛速度，混沌搜索策略也避免了算法在迭代过程中陷入局部极小值。

技术领域

本发明属于网络安全技术领域，尤其涉及一种基于迭代优化RBF神经网络的网络安全态势分析方法。

背景技术

传统遗传算法的交叉操作来源于不同类别间的个体，并没有考虑仅有差异个体之间的操作不能保证整个种群的收敛方向和收敛速度，所以很多时候RBF神经网络的两个参数不能达到收敛的正确方向，且收敛速度较慢。

发明内容

本发明的目的在于针对现有技术的不足，提供了一种基于迭代优化RBF神经网络的网络安全态势分析方法。

本发明的目的是通过以下技术方案来实现的：一种基于迭代优化RBF神经网络的网络安全态势分析方法，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。

(4)估计适应度函数。

(5)根据概率p_c进行交叉操作。

(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。

进一步地，步骤(3)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。