[发明专利]一种用于木马事件预测的最小二乘支持向量机的训练方法及预测方法

权利要求书

1.一种用于木马事件预测的最小二乘支持向量机的训练方法，所述方法包括：

步骤1)将木马事件序列{r₁，r₂，……，r_l}中的每个值与前面的m个相隔为τ的值相关，即r_1+mτ＝F(r₁，r_1+τ，……，r_1+(m-1)τ)，其中，l为样本总数，m和τ是小于l的正整数；

步骤2)将样本数据划分为多个训练数据对(x_i，y_i)，i＝1，2，……，n，其中输入向量x_i∈R^m，R^m是输入向量的维数，输出向量y_i∈R，R是输出向量的维数，n＝l-1-(m-1)τ；

步骤3)构造最小二乘支持向量机为：其中K(x_i，x)为核函数，应满足K(x_i，x)＝exp{-||x_i-x||/2σ²}，σ为核宽度；

步骤4)基于样本数据采用遗传算法来确定所述最小二乘向量机的参数α_i和b的最优值。

2.根据权利要求1所述的训练方法，其中m的取值范围为[1，10]，τ的取值范围为[1，3]。

3.根据权利要求1所述的训练方法，其中步骤4)包括以下步骤：

步骤4-1)将训练数据对的输入向量代入最小二乘支持向量机来计算预测结果；

步骤4-2)根据预测结果与训练数据对的输出向量来计算误差；

步骤4-3)如果误差大于预测精度，则使用遗传算法来优化参数α_i和b；

步骤4-4)将经优化的参数代入到最小二乘支持向量机，接收下一个训练数据对并转到步骤4-1)，重复执行步骤4-1)至4-4)直至误差小于或等于预测精度为止。

4.根据权利要求3所述的训练方法，其中预测精度为0.05。

5.根据权利要求3所述的训练方法，步骤4-3)包括以下步骤：

步骤4-3-1)对参数α_i、b采用进行编码，染色体基因位上的每一个基因都代表一个参数值，[α₁，α₂，…，α_n，b]；

步骤4-3-2)设置适应度函数为：F_fit＝1/(Err+1)，其中，

其中，n为训练数据对的总数，x(i)为期望值，为预测值，max和min为n个期望值中的最大值和最小值；所述期望值为训练数据对的输出向量；

步骤4-3-3)个体适应度大的s个个体直接进入下一代种群Child，剩余的(N-s)个个体集合记作临时种群Temp；

步骤4-3-4)将临时种群Temp中的个体两两随机配对进行交叉，产生的新个体与父类个体作适应度比较，保留较大者，操作完成后得到的种群Pre1，其中交叉概率Pc应用满足：

其中g为当前进化代数，f_MAX为Temp中个体适应度最大的值，为Temp中个体的平均适应度，为一对交叉个体中适应度较大值；

步骤4-3-5)对临时种群Temp中的个体进行变异操作，产生的新个体与父类个体作适应度比较，保留较大者，操作完成后得到种群记为Pre2，其中变异概率Pm应满足：

其中f为选中进行变异操作的个体的适应度；

步骤4-3-6)将Pre1与Pre2混合，对于为发生变异的个体，只保留一个。混合后取适应度大的N-s个个体进入下一代种群Child；

步骤4-3-7)如果进化代数≥100，则终止，否则把Child作为初始种群，重复执行步骤4-3-3)、4-3-4)、4-3-5)、4-3-6)、4-3-7) 。

6.根据权利要求5所述的训练方法，其中，对参数α_i、b采用实数编码的方式，其初始值随机生成，取值范围为[0，1]。

7.根据权利要求5所述的训练方法，在步骤4-3-3)中s不超过占个体总数量的10％。

8.一种利用根据权利要求1至7之一所述的训练方法训练好的最小二乘支持向量机进行木马事件预测的方法，所述方法包括以对某类木马事件发生数量的统计数据的序列为所述最小二乘支持向量机的输入，所述最小二乘支持向量机的输出为网络中将要发生的该类木马事件的数量。