[发明专利]基于模糊淘汰机制的小生境技术的安全态势预测方法

摘要

本发明公开一种改进的小生境遗传算法与小波神经网络结合的预测方法，方法包括：选择具有较强非线性拟合能力和容错性能的小波神经网络对安全态势进行预测；通过自适应遗传算法对传统小波神经网络参数进行优化；引入了一种新的动态模糊聚类和淘汰规则的小生境技术，利用动态模糊聚类对种群进行小生境的划分，形成多个小生境，并采用惩罚机制调整个体的适应度值；根据划分好的小生境计算每个小生境个体的适应度值，将个体与当代最优个体的适应度值进行比较，剔除差异度大的小生境，实现小生境的整体淘汰；本发明能够提高遗传算法的寻优能力及收敛速度，通过提高种群多样性，解决遗传算法易陷入早熟收敛的问题，更准确地实现网络安全态势的预测。

主权项

一种网络安全态势预测方法，其特征在于，包括：步骤A、对采集的漏洞、流量、入侵检测系统等数据进行态势要素获取，将得到的态势要素通过层次化网络安全态势评估量化方法对收集到的要素信息进行评估量化处理；步骤B、根据非线性逼近能力、收敛速度，选择合适的神经网络和结构进行预测；步骤C、根据选定神经网络的误差函数构造个体适应度函数，并进行遗传操作；步骤D、引入动态模糊聚类的小生境技术，并定义淘汰规则对差异化明显的小生境施行剔除，寻找符合条件的小生境；步骤E、输入通过评估处理获得相应的网络安全测试集到有最优权值和阈值的小波神经网络WNN网络当中去，得到预测态势值。