本文将基于遗传算法(GeneticAlgorithms，GA)优化的改进广义回归神经网络(ImprovedGeneralRegressionNeuralNetworkbasedonGA,GRNNGA)做为NSSF（NetworkSecuritySituationForecas）网络安全态势预测。
GRNNGA方法先利用滑动时间窗(SlidingTimeWindow,STW）将各离散时间监测点的网络安全态势值(NetworkSecuritySituationValue,NSSV)构造成部分线性相关的多元回归数据序列,再利用GA动态地搜索GRNN的最优训练参数,以改善基于GRNNGA的NSSF性能。
经大量实验验证,基于GRNNGA的NSSF方法具有更高的预测精度和实用性
GRNNGA方法先利用滑动时间窗(SlidingTimeWindow,STW）将各离散时间监测点的网络安全态势值(NetworkSecuritySituationValue,NSSV)构造成部分线性相关的多元回归数据序列,再利用GA动态地搜索GRNN的最优训练参数,以改善基于GRNNGA的NSSF性能。
经大量实验验证,基于GRNNGA的NSSF方法具有更高的预测精度和实用性
2025/4/16 5:37:11
1.64MB
本书第1章介绍了SDN和NFV技术的基本概念和发展方向，第2章从架构、协议、资源、应用和系统实现等几方面阐述了SDN和NFV面临的风险和解决方法，第3到5章依次介绍了软件定义安全的背景、概念和架构，第6章从原理上介绍了使用SDN和NFV技术实现一些安全防护的功能，第7章介绍了业内在SDN和NFV安全方面所提的思想和提出的产品方案，第8章介绍国内外企业在软件定义安全方面所做的实践工作。
2025/4/15 17:43:58
4.59MB
