[发明专利]基于Mamdani模型的MISO模糊系统预测重复网络行为的方法

权利要求书

1.一种基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，其特征在于，所述基于Mamdani模型的MISO模糊系统预测重复网络行为的方法包括以下步骤：

步骤一，构建多输入单输出MISO折线模糊神经网络并进行一致性分析，同时分别设计MISO折线模糊神经网络的Hebb算法和粒子算法；

步骤二，基于规则对网络数据包进行识别，获取网络行为数据，并通过Hebb算法和粒子算法对网络行为数据进行预处理，得到以单位时间内的行为频次为波动数据的目标网络行为数据；

步骤三，对目标网络行为数据进行规范化，并对规范化后的数据进行折叠处理得到折叠矩阵，对折叠矩阵中的突跳进行检测；

步骤四，根据目标网络行为数据中表现出的周期规律性，随机波动性以及突跳特性，建立网络行为的时变随机微分方程模型和预测模块，并对模型中的时变参数和定参数进行估计；采用动态预测方式不断迭代用前若干周的数据训练模型估计参数，再预测下一周的轨迹，以对网络行为进行预测。

2.如权利要求1所述基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，其特征在于，所述步骤一中的构建多输入单输出MISO折线模糊神经网络并分别设计MISO折线模糊神经网络的Hebb算法和粒子算法包括：

基于折线模糊数及扩展运算构建多输入单输出MISO折线模糊神经网络；

在转移函数满足非负连续单调情况下对所述网络进行一致性分析；

利用Hebb规则和粒子群算法分别设计MISO折线模糊神经网络的Hebb算法和粒子算法。

3.如权利要求1所述基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，其特征在于，所述步骤二中的基于规则对网络数据包进行识别包括：

根据第一规则集合构造第二规则集合；

对接收的网络数据包进行内容分析，以获取该网络数据包的属性值；

在所述第二规则集合中搜索与该网络数据包的属性值匹配的规则，并将该网络数据包识别为与该规则相对应的数据包类型。

4.如权利要求3所述的基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，其特征在于，所述第一规则集合包括一条或者多条规则，每条规则定义网络数据包的多个属性中的一个或者多个属性的取值以及数据包类型；第二规则集合包含一条或者多条在第一规则集合中的规则。

5.如权利要求3所述的基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，其特征在于，所述根据第一规则集合构造第二规则集合包括：

根据所述预定属性，从所述第一规则集合中随机选择第一预定个规则进行分类并构造第二规则集合；

针对所接收的数据包进行内容分析、规则搜索和数据包识别，并统计处理的数据包总数、第二规则集合中每条规则的匹配次数、数据包的识别率；

利用新构造的第二规则集合，重复以上处理步骤，直到所处理的数据包达到第二预定数量为止。

6.如权利要求3所述的基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，其特征在于，所述网络数据包的属性包括：数据链路层类型、数据链路层包头长度、网络层协议类型、网络层包头长度、源IP地址、目的IP地址、传输层协议、传输层包头长度、源端口、目的端口、会话协议、会话中的包序列、应用层数据报文长度、应用层协议数据特征；其中，所述预定属性包括：网络层协议类型、传输层协议、传输层端口。

7.如权利要求1所述的基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，其特征在于，所述步骤四中的预测模块的建立方法包括：

将网络用户行为的各指标作为参数通过输入层对应输入到本神经网络中；

将所有输入的参数在隐藏层通过不断的迭代处理，再通过输出层输出结果；

通过预先输入统计参数让模型自我学习，将各个参数通过输入层输入到模型后，在隐藏层先将各个神经元的连接权值和阈值进行初始化，进入学习模式，并判断学习次数或者误差是否达标。