[发明专利]基于APDE-RBF神经网络的网络安全态势预测方法

摘要

本发明属于网络安全技术领域，特别涉及一种基于吸引子传播差分进化算法的径向基函数APDE‑RBF神经网络的网络安全态势预测方法，包括利用AP聚类算法对样本数据进行划分聚类，从而获得径向基函数RBF的中心和网络的隐含层节点数；利用AP聚类得出种群差异度，自适应地改变DE算法的缩放因子和交叉概率，对RBF的宽度和连接权值进行优化；同时为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索；确定最终RBF网络模型，输入测试数据集，输出态势预测值；本发明旨在增强泛化能力的同时，提高对网络安全态势的预测精度。

主权项

1.一种基于吸引子传播差分进化算法的径向基函数APDE‑RBF神经网络的网络安全态势预测方法，其特征在于，该方法包括以下步骤：步骤1：利用吸引力传播AP聚类算法对样本数据进行划分聚类，从而获得径向基函数RBF的中心和网络的隐含层节点数；步骤2：利用AP聚类得出种群差异度，自适应地改变差分进化DE算法的缩放因子和交叉概率，对RBF的宽度和连接权值进行优化；步骤3：为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索；步骤4：确定最终RBF网络模型，输入测试数据集，输出态势预测值；所述步骤2中进一步包括以下步骤：步骤21：执行初始化，过程如下：σ_i＝σ_min+rand(0,1)*(σ_max‑σ_min)w_i＝rand(0,1)其中σ_i为RBF神经网络基函数宽度，σ_max表示所有样本数据点中两个最远数据点的距离宽度，其计算公式为：σ_min表示所有样本数据点中两个最近数据点的距离宽度，其计算公式为：c_i、c_j表示任意两个不同的隐含层节点，w_i表示隐含层到输出层连接权值,rand(0,1)表示(0,1)间均匀分布的随机数；步骤22：执行变异过程，将第g+1代种群中变异个体V_i(g+1)建模为第g代种群中三个个体的函数：V_i(g+1)＝X_r1(g)+F*(X_r2(g)‑X_r3(g))i≠r1≠r2≠r3其中X_i(g)是第g代种群中第i个个体，即X_r1(g)、X_r2(g)和X_r3(g)分别表示第g代种群中第r1个、第r2个以及第r3个个体，F为缩放因子；步骤23：执行交叉过程，产生第g+1代第i个第j维新个体u_ij(g+1)的公式为：其中v_ij(g+1)表示第g代种群第i个第j维个体进行变异操作后的个体，x_ij(g)表示第g代种群第i个第j维个体，rand是(0,1)间均匀分布的随机数，j_rand是[1,n]间的随机整数，CR表示交叉概率；上述公式含义为：当随机变量rand小于交叉概率CR或者个体中元素对应序数j等于随机变量j_rand，则采用变异个体中的元素作为新个体，旨在提高个体变异的可能性；否则，仍保持目标个体x_ij(g)不变；步骤24：执行选择过程，如下：其中U_i(g+1)是候选个体，X_i(g)是对应个体，f(·)是个体的适应度函数，此处使用均方误差作为适应度函数。