網(wǎng)絡(luò)安全態(tài)勢感知中態(tài)勢要素獲取技術(shù)的研究.pdf

1、計算機和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，為我們的生活帶來了很多方便，但于網(wǎng)絡(luò)的開放性和共享性，也不可避免的引入了安全隱患。目前針對網(wǎng)絡(luò)設(shè)備和網(wǎng)絡(luò)服務(wù)的攻擊行為朝著組合式、分布式、間接式、復(fù)雜化的方向發(fā)展。在這種情況下開展網(wǎng)絡(luò)安全態(tài)勢感知的研究是非常有必要的。
　　網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)不同于以往的網(wǎng)絡(luò)安全技術(shù)，它是一種主動的網(wǎng)絡(luò)安全技術(shù)，通過態(tài)勢提取、態(tài)勢理解、態(tài)勢預(yù)測三個過程來保證網(wǎng)絡(luò)的安全。態(tài)勢要素提取是整個態(tài)勢感知過程的基礎(chǔ)，意義重大，本

2、文對態(tài)勢要素提取技術(shù)進(jìn)行了的研究，深入的研究了網(wǎng)絡(luò)安全態(tài)勢要素獲取技術(shù)中的屬性約簡過程和分類過程。
　　首先，針對屬性約簡技術(shù)中Pawlak經(jīng)典粗糙集理論不適合處理網(wǎng)絡(luò)數(shù)據(jù)這一問題，將粒度計算引入廣義粗糙集理論中來對網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行屬性約簡操作。在廣義粗糙集的基礎(chǔ)上對屬性集合所蘊含知識的粒度進(jìn)行量化描述，對屬性的重要程度進(jìn)行量化描述，并證明了相關(guān)性質(zhì)，在此基礎(chǔ)上提出了一種屬性約簡算法，通過該算法可以求得原屬性集合的一個最優(yōu)約簡。

3、>　　其次，針對分類技術(shù)中BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值、收斂速度慢的缺點，本文設(shè)計一種自適應(yīng)遺傳算法(IGA)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。在設(shè)計遺傳算法的時候把種群劃分為精英團(tuán)體和普通團(tuán)體兩個部分，根據(jù)兩個團(tuán)體之間的適應(yīng)度距離來自適應(yīng)的調(diào)節(jié)種群的變異強度，從而可以避免種群早熟，進(jìn)而更快的搜索到問題的全局最優(yōu)解。
　　最后，通過實驗驗證了本文于態(tài)勢要素獲取技術(shù)中所涉及的屬性約簡和分類這兩方面所做的工作的有效性。先利用本文所設(shè)計的屬性約簡算法求