[发明专利]一种基于改进WOA-SVM的网络安全态势评估方法

权利要求书

1.一种基于改进WOA-SVM的网络安全态势评估方法，其特征在于，其步骤如下：

步骤一：以现有的网络安全数据作为样本数据组成样本集，对样本集中的样本数据进行归一化预处理并分成训练集和测试集；

步骤二：初始化WOA算法的种群规模、鲸鱼的位置上下限和初始位置，初始化SA算法的退火温度、降温速率和突跳概率；初始化迭代次数t＝1，最大迭代次数maxgen；

步骤三：迭代寻优：根据随机概率p选择螺旋捕食或随机搜索猎物，利用自适应权重法更新WOA算法中的当前鲸鱼位置，并跟原有鲸鱼位置进行比较，更新当前的鲸鱼最优位置和全局最优位置；

步骤四：根据SA算法的突跳概率判断是否接受新的鲸鱼位置，并更新鲸鱼最优位置和全局最优位置并保存；

步骤五：判断是否满足迭代的终止条件，如果是进入步骤六，否则返回步骤二；

步骤六：将得到的全局最优位置的值赋值给SVM的最优惩罚参数和核函数参数，利用回归拟合分析最佳的参数并结合训练集进行SVM网络训练，将测试集中样本数据输入到训练好的SVM中得到评估值，然后将评估值转化为网络安全等级；

所述步骤三中利用自适应权重法更新WOA算法中的鲸鱼位置的方法为：

M(t+1)＝k(t)*M^*(t)-A·D，

M(t+1)＝k(t)*D′·e^blcos(2πl)+M^*(t)，

M(t+1)＝k(t)*M_rand-A|CM_rand(t)-M(t)|，

其中，自适应权重系数M^*(t)是第t次迭代时最优解的位置向量；M(t)是第t次迭代时鲸鱼的位置向量，M(t+1)是第t+1次迭代时鲸鱼的位置向量；D是第t次迭代时最优解位置与当前解之间的迭代距离；A和C是系数向量，D′＝|M^*(t)-M(t)|表示为第i个鲸鱼个体与当前最优解之间的位置距离；b为用于定义对数螺线形状的常数，l∈[-1,1]内的随机数；M_rand为从当前种群中随机选择的位置向量；

所述步骤三中根据随机概率p选择螺旋捕食或随机搜索猎物的方法为：

当迭代次数t≤maxgen时，更新参数r₁＝rand()、r₂＝rand()、A、C、常数b＝1、l＝(a₂-1)*rand+1、随机概率p＝rand()和自适应权重系数maxgen为最大迭代次数；

迭代寻优：当随机概率p＜0.5时，若系数向量|A|≥1，则从当前群体中随机选择鲸群个体位置M_rand，计算搜索猎物的鲸鱼位置：M(t+1)＝k(t)*M_rand-A|CM_rand(t)-M(t)|；若|A|＜1时，以收缩包围机制更新当前鲸群个体的空间位置：M(t+1)＝k(t)*M^*(t)-A·D；当随机概率p≥0.5时，以螺旋式更新当前鲸群个体的空间位置：M(t+1)＝k(t)*D′·e^blcos(2πl)+M^*(t)；更新鲸鱼最优位置、全局最优位置以及更新后的鲸鱼位置和当前的全局最优位置的适应度值；

以平均均方误差MSE作为优化的目标函数值，即适应度值。