![](https://csdnimg.cn/release/download_crawler_static/89337461/bg1.jpg)
I
摘 要
随着网络进入全新时代,网络攻击和网络安全问题层出不穷,人们对互联网安全性
能的要求也越来越高,在这种情况下,网络安全态势感知已成为一个热门课题。针对上
述问题,本课题提出了一种面向信息系统的信息安全局势感知新算法,旨在提升信息环
境下信息安全局势感知和预警的效率和准确率。本课题拟利用 BP 神经网络模型,研究一
种新的网络安全状态评价模型,并将其应用到实际系统中。本项目拟采用 BP 神经网络,
研究其在网络安全状态评估中的不确定性和模糊性,并利用遗传算法对其权重进行优选,
从而达到对网络安全状态的整体最优,同时增强网络的收敛速度。GA-BP 神经网络与常
规 BP 神经网络相比,具有更好的收敛速度。与此同时,该方法在网络态势评估方面与真
实态势相差不大,评估结果具有很高的精度,综上所述,遗传算法优化的 BP 神经网络在
态势评估方面表现更加出色。
关键词:BP 神经网络;GA-BP 神经网络;网络态势感知
![](https://csdnimg.cn/release/download_crawler_static/89337461/bg2.jpg)
II
ABSTRACT
As the network has entered a new era, network attacks and network security problems emerge
in an endless stream, and people's requirements for Internet security performance are becoming
more and more high. In this case, network security situation awareness has become a hot topic. In
view of the above problems, this topic proposes a new algorithm of information security situation
perception for information system, aiming to improve the efficiency and accuracy of information
security situation perception and early warning in the information environment. This project
intends to use BP neural network model to study a new network security state evaluation model,
and apply it to the real system. This project intends to use BP neural network to study its
uncertainty and ambiguity in the evaluation of network security state, and make use of genetic
algorithm to optimize its weight, so as to achieve the overall optimization of network security state
and enhance the convergence speed of the network. GA-BP neural networks have a better
convergence rate compared with conventional BP neural networks. At the same time, this method
is not different from the real situation in the network situation assessment, and the evaluation
results have high accuracy. In conclusion, the BP neural network optimized by genetic algorithm
performs better in the situation assessment.
Key words:BP neural network; GA-BP neural network; network situational awareness
![](https://csdnimg.cn/release/download_crawler_static/89337461/bg3.jpg)
III
目 录
第 1 章 绪论 ..................................................................1
1.1 研究背景及意义.........................................................1
1.2 国内外研究现状.........................................................1
1.3 主要研究内容...........................................................1
第 2 章 相关理论以及技术 .....................................................3
2.1 网络安全态势评估模型...................................................3
2.2 BP 神经网络 ............................................................4
2.2.1 BP 神经网络概述 ....................................................4
2.2.2 BP 神经网络局限性 ..................................................4
2.3 遗传算法对 BP 神经网络的优化............................................5
2.3.1 遗传算法概述.......................................................5
2.3.2 遗传算法流程.......................................................6
2.3.3 遗传算法优化 BP 神经网络............................................7
第 3 章 GA-BP 神经网络态势感知系统设计 ........................................8
3.1 态势评估指标系统.......................................................8
3.2 设计平台和测试数据.....................................................9
3.3 预测模型构建...........................................................9
3.4 预测结果分析..........................................................11
第 4 章 结论 .................................................................15
参考文献 ...................................................................16
致谢 .......................................................................17
![](https://csdnimg.cn/release/download_crawler_static/89337461/bg4.jpg)
学士学位论文
1
第 1 章 绪论
1.1 研究背景及意义
随着互联网规模的快速扩张,其互联和开放性的特点给网络安全带来了越来越多和
越来越严重的问题。随着网络攻击类型的增多,网络安全环境的复杂化,网络基础设施
的安全运行以及重要信息系统的安全防护问题日益严峻。因此,态势感知成为未来网络
安全研究的重要方向之一。它通过对网络安全相关要素的提炼,分析和理解来实现,实时
感知网络的安全动态。并对未来一段时间内的网络安全局势进行预测
[1]
。
在人工神经网络的研究过程中,连接权重问题至今仍未取得实质性成果。而 BP 神经
网络的出现,为该问题的求解带来了新的思路。BP 神经网络是目前应用最为广泛的神经
网络。
[2]
但是, BP 神经网络本身的特性决定了它的学习速度很慢,并且容易陷入局部极
小值。本文采用全局寻优法对以上问题进行了研究。该方法可使 BP 神经网络在求解过程
中不会出现局部极小值。在此基础上,将 GA 与 BP 神经网耦合,研究 GA 对 BP 神经网的
网络结构及参数进行了优化。以局势指数评价因素为输入量,以系统的安全性水平为输
出量,通过对各因素的调整,保证了系统的实用性和有效性。
1.2 国内外研究现状
当前,近年来,国内外学者对此进行了深入的探讨。一方面,他们开展了理论研究,
建立了理论模型,对研究方法进行了改进,并使用了模型数据来对各类网络信息元素进
行了处理,从而可以更加精确地对网络的安全情况进行了感知。在此基础上,提出了面
向多角度、全方位的环境下的情境感知与评价方法,并对其进行了深入的建模与分析,
并获得了丰富的结果。通过以上两个问题的研究,为进一步发展面向互联网的网络环境
下的局势感知技术奠定坚实的理论基础。针对我国目前的情况,提出了一种基于信息融
合的信息融合方法。本项目拟从以下两个方面开展工作:
[3]
一是利用各种数学模型和人工
智能算法,并与之融合,实现对网络局势的有效评价。其次,利用多种方法进行综合优
化,提升局势评价与预报的有效性与准确性。但是,由于缺乏权威性的理论基础,目前
国内外对该领域的研究尚无相对一致的标准。同时,对态势感知的研究大多只是针对某
一部分内容进行研究,缺少整体化的研究思路,因此,需要更多的科研人员进一步探索
和研究。
1.3 主要研究内容
在移动互联迅猛发展的同时,也带来了越来越严重的网络安全问题。随着信息系统
![](https://csdnimg.cn/release/download_crawler_static/89337461/bg5.jpg)
学士学位论文
2
受到越来越多的威胁,对信息系统的安全性需求也越来越高。为了解决网络安全形势预
测中出现的不确定和模糊问题,
[4]
研究人员们提出了一种以 GA-BP 神经网络为基础的网络
安全预测方法,该方法利用 BP 神经网络来对网络安全情况展开预测,并利用基因算法来
对 BP 神经网络权值进行优化和改进。以获取全局最优解,该方法加快了网络收敛速度,
通过实验数据证明遗传算法优化的 BP 神经网络在态势评估方面表现更好。
在设计中,本项目以局势指标评价指标为输入,以安全系数为输出,采用附加动量
法、自适应学习率等方法,解决网络训练速度慢、易陷入局部极小等问题。测试环境采
用的是 Windows11 系统,处理器为 AMD Ryzen 9 5900HX with Radeon Graphics,内存为
32G, GA-BP 神经网络预测代码采用 Matlab 编写,使用了 KDD-Cup99 数据集去对遗传算
法优化后的 BP 神经网络进行态势评估的测试。