[发明专利]一种基于遗传算法改进的BP神经网络安全态势评估算法

摘要

一种基于遗传算法改进的BP神经网络安全态势评估算法，通过合理构建网络安全态势评估模型，同时依靠神经网络强大的自学习能力，将BP神经网络应用于网络安全态势的评估中，同时针对神经网络算法自身存在的易限于局部最小值，收敛速度慢等缺陷，引入遗传算法对BP神经网络权值进行优化，加快BP神经网络的收敛速度，提高BP神经网络对网络安全态势评估的准确性和高效性，从而有效解决利用单纯神经网络进行网络安全态势评估结果的效率不高、结果不确定性问题。

主权项

1.一种基于遗传算法改进的BP神经网络安全态势评估算法，其特征在于，结合遗传算法以及BP神经网络各自的优势，针对网络安全状态模型进行评估，比较准确的得到当前的网络状态，包括以下步骤：步骤1，构建适用于BP神经网络进行评估的网络安全态势评估指标体系模型；1)结合网络运行状态、网络威胁、网络攻击等网络要素特点，按照危险级别从低到高将网络状态分为4个等级：2)为了便于神经网络进行安全状态评估利用数值对4级网络安全状态级别进行定量描述，其中等级1安全指数值为0.0‑0.2，等级2安全指数值为0.2‑0.5，等级3安全指数值为0.5‑0.8，等级4安全指数值为0.8‑1；步骤2，使用遗传算法训练神经网络，首先将神经网络的拓扑结构进行固定，之后使用遗传算法进行网络权重的优化，使用遗传算法进化其连接权重的主要分为以下几个步骤：1)给出神经网络权重的编码方案，同时生成初始群体；如果采用二进制编码会造成编码串过长，同时还需要解码为实数，从而影响神经网络的学习精度，所以直接采用实数编码，将神经网络的各个权值按照从输入到输出、从左到右的顺序级联成一个长串，串上的每个位置就对应网络的一个权值；2)解码初始群体中的每个个体，并构造出其相对应的神经网络；将网络中的权值按照公式(1)进行随机确定，使得遗传算法能够搜索到所有可行解的范围；Pinitial＝±exp(‑|γ|)，|γ|＜4   (1)3)根据性能评价准则计算出网络适合度；4)根据适合度大小决定每个个体繁衍后代的概率，同时完成选种操作；5)选种之后的群体按照一定的概率使用交配、突变等操作得到新一代的群体；6)计算神经网络的输出以及评估输出结果看是否满足要求；7)评估结果满足要求则转到8)，否则返回2)；8)计算神经网络输出，同时进行神经网络性能评估；9)评估结果满足要求则转到11)，否则转到10)；10)计算正向、反向误差，调节神经网络权值和阈值，并返回8)；11)经过遗传算法优化神经网络之后，使得神经网络的计算结果也满足要求，此时存储神经网络的权值，同时记录神经网络的输出，整个评估过程结束；步骤3，将遗传神经网络应用于网络安全态势评估中，通过对网络设备收集的信息进行分析、评估，得到网络当前的安全状态，主要步骤如下：1)对网络安全设备收集的数据进行预处理。使用IDS、网络扫描工具等各种检测设备获取网络信息，同时对原始信息进行筛选处理，提取出能够反映网络安全态势的各个指标值，同时使用公式(2)进行归一化处理，将处理后的结果作为BP神经网络的输入向量；2)使用遗传神经网络进行网络安全评估；采用三层BP神经网络进行网络安全态势的评估，同时使用公式(3)的S函数作为神经网络的映射函数，使用公式(4)进行学习速率的自适应调节，其中η指学习速率，E为误差。3)得到网络当前安全状态，使用遗传神经网络输出得到(0‑1)之间的安全指数值，不同的指数值对应不同的网络安全等级，从而就获取到当前网络安全状态。