基于贝叶斯网络的网络安全态势评估方法研究

针对当前网络安全评估系统不能提供有用态势信息的缺陷,提出了一种新的网络安全态势评估方法。将贝叶斯网络应用于网络安全态势评估中,根据多树型网络推理,利用贝叶斯网络的图形结构,提出了由点到面、自下向上相互影响的多元化安全态势评估模型。并将网络及主机工具采集的信息作为事件节点的证据来更新态势节点的概率,并反过来影响事件节点的概率,从而预测网络安全态势。     

基于聚类分析的网络安全态势评估方法

针对现有网络安全态势评估方法具有信息来源单一、评估范围有限、模型训练与参数获取不易和时空开销较大等问题,提出了一种基于聚类分析评估网络安全态势的方法.首先构建主机上若干二级广义立方体,快速高效聚类融合主机多源异构非确定性信息源,生成主机的安全态势,并利用Dirichlet先验分布平滑后验概率,优化聚类分析结果;然后构建网络上的广义立方体,聚类融合网络上各主机的安全态势,逐步量化评估并生成网络当前安全态势.通过真实网络环境的实验,验证了所提出的方法在网络安全态势评估中的可行性和有效性.     

基于人工免疫算法的网络安全态势预测

网络安全态势预测能基于管理者提供的历史信息和当前时刻的网络安全态势,对未来时段的网络安全态势进行预测。为了有效实时地进行网络安全态势预测,提出了一种基于人工免疫算法的网络安全态势预测方法。首先,建立基于神经网络的网络安全态势预测模型,然后通过BP反向传播算法对网络进行训练,在此基础上,采用人工免疫算法来优化网络的结构和神经网络的态势预测值,该算法对亲和度函数、抗体的复制和抑制方法等均进行了设计。在KDDCUP99数据集中,对所提方法进行了验证,实验结果表明该方法能有效进行网络安全态势的验证,并且与其他方法相比,具有更好的检测率。     

基于数据扩展的动态贝叶斯网络预测方法

将数据扩展方法应用于动态贝叶斯网络的参数学习中,利用随机抽样算法对小样本数据进行数据扩展,并采用贝叶斯后验概率公式对扩展数据进行修正,同时计算观测数据的后验概率,然后在扩展数据的基础上,完成动态贝叶斯网络的学习和推理.仿真实验表明这种方法可以降低预测模型中节点的联合效应所造成的误差积累,提高模型的预测精度.     

基于Renyi交叉熵与CVSS的网络安全态势评估模型

网络安全态势评估对于保证网络的可靠运行具有非常重要意义,是一种重要的网络监管手段.本文提出一种基于网络流量评估、威胁评估、和漏洞评估三个模块的网络安全态势评估模型,弥补单一考虑网络某一方面因素的方式从而导致网络安全态势的评估不够全面的问题.本文介绍了如何部署该网络框架,并如何应用此网络框架实时地反应网络安全态势.通过与其他算法进行对比,结果表明该方法可以准确、合理地反应网络安全态势.     

基于贝叶斯网络的商业银行操作风险研究

针对数据的缺乏对低频高损类型的操作风险进行量化非常困难的问题,在贝叶斯网络因果推断理论的基础上,提出了利用贝叶斯网络模型对商业银行操作风险进行研究,解决了损失事件数据不足问题,得到了中国商业的贝叶斯网络模型。历史数据的积累和建模技术的成熟使得银行利用贝叶斯网络得到的后验分布将不断接近现实。商业银行可利用贝叶斯网络推理功能对风险管理进行估计和预测。     

IFS-BN结合的辐射源威胁评估方法

针对辐射源威胁评估实时性、复杂性和信息不确定性的问题,将直觉模糊集与贝叶斯网络相结合,提出一种基于IFS-BN的辐射源威胁评估方法。IFS-BN算法通过直觉模糊集刻画贝叶斯网络的节点信息,充分描述节点信息的确定性,不确定性以及犹豫度。同时,将直觉模糊集求得的各辐射源先验概率代入贝叶斯网络模型之中,得出后验概率进行威胁等级排序,并在此基础上建立了相应的评估指标体系。仿真分析表明,算法具有较好的可行性与有效性。与经典贝叶斯网络评估方法相比,IFS-BN算法的结果更加客观合理。     

贝叶斯网络分类器的基于改进粒子群参数学习方法

研究了贝叶斯网络分类器的高效参数学习方法。生成方法解决联合分布的参数估计问题,而判别方法解决后验分布的参数估计问题。对判别参数学习方法的研究,首先通过建立类条件贝叶斯网络模型;在此基础上,对该模型以对数形式参数化,得到判别类条件贝叶斯网络模型;最后,通过改进粒子群算法对该模型进行最优化求解,得到各节点的概率。将贝叶斯网络分类器的判别参数学习方法与TAN分类器相结合,可用于对液体火箭发动机的故障诊断与分类中。针对某型号火箭的两次仿真数据进行故障诊断与分类,与其他方法相比,改进的分类器需要的数据量小,准确率和学习效率更高。     

动态贝叶斯网络在战争身份识别中的应用

在战争身份识别中运用贝叶斯网络时,系统参数不能做到及时调整,动态贝叶斯网络可以解决这一问题,通过建立网络模型,引入时间因素,对系统参数进行分析与后验概率推理,利用隐马尔科夫模型对推理进行仿真实验.通过动态贝叶斯网络在战争身份识别中的使用为指挥员在有限的时间内作出有效的评估识别提供了依据,具有重要的实战意义.     

基于贝叶斯网络的实时行情预测算法

贝叶斯网络说明变量集合的联合条件概率分布为自然地表示因果信息提供了一种方法.用贝叶斯网络进行预测的核心问题是选择最符合样本数据的网络结构,即根据数据样本D和先验知识ζ找出后验概率户(Sh|D,ζ)最大的贝叶斯网络S.提出了一种基于贝叶斯网络的实时行情预测算法,并对其数据结构与实现方法进行了阐述.     

基于信息融合的网络安全态势感知模型

在分析已有的安全态势评估和预测方法的基础上,提出了基于信息融合的网络安全态势感知模型.该模型采用D-S证据理论对多源网络安全数据进行融合,计算漏洞、服务、主机、网络的安全态势值.同时根据历史安全态势评估结果,利用支持向量回归理论对未来态势进行预测.相比已有的安全态势评估和预测方法,该模型的结构更加完整,结果更为准确有效.     

基于并行特征提取和改进BiGRU的网络安全态势评估

针对目前网络安全态势评估方法在特征提取、高效性等方面存在的不足，该文提出了一种基于并行特征提取和改进双向门控循环单元(BiGRU)的网络安全态势评估方法，设计了一个由并行特征提取网络(PFEN)和基于注意力机制改进的BiGRU组成的深度学习模型(PFEN-ABiGRU)。PFEN模块由并行的稀疏编码器组成，用于差异化地提取不同网络威胁的关键信息并将提取的特征与原始信息融合；ABiGRU模块通过注意力机制对关键特征进行加权以提高模型的准确性。将训练好的PFEN-ABiGRU模型用于网络威胁检测，根据威胁检测结果，结合提出的网络安全态势量化指标，计算网络安全态势值。实验结果表明，PFEN-ABiGRU在精确率和召回率上均优于对比的其他模型。     

桥梁监测数据的动态线性建模与可靠性预测

引入贝叶斯动态线性模型(BDLM),建立桥梁监测应力的状态方程和观测方程,并利用贝叶斯因子监控监测应力.通过监测应力和应力状态的先验信息,对监测应力的状态参数进行贝叶斯后验概率推断,并不断进行"概率预测-修正"递推运算,获得最优监测应力的状态概率估计来预测桥梁的应力.基于贝叶斯动态修正的应力概率模型,建立桥梁结构可靠性的预测公式.最后,通过实例验证了本文所建模型的合理性和适用性.     

基于时间序列的网络安全态势预测方法研究

现有网络安全态势预测方法只能预测单位时间的态势值,然后根据连续单位时间的态势值进行网络安全态势评估.本文中,根据网络安全事件发生的统计规律性,首先通过分段曲线拟合来分析目前网络态势的变化趋势,然后研究了基于时间序列的神经网络对未来一段时间内安全态势变化趋势进行预测的方法.通过实验仿真表明,该方法能够准确有效地预测出未来一段时间内的安全态势的变化趋势.     

一种基于贝叶斯网络的威胁估计方法

为有效处理地面战场威胁估计问题,提出了一种基于贝叶斯网络的威胁估计方法。根据专家知识建立贝叶斯网络模型,通过匹配算法实现态势估计记录与贝叶斯网络中态势节点的匹配,并根据证据可信度及先验概率动态实现态势节点的概率赋值,利用Pearl消息传播算法计算威胁等级节点各取值的概率值,最终获得威胁等级决策。针对一个简化的贝叶斯网络模型,采用该方法进行了不同先验概率及态势下威胁等级的仿真评估,所得结论与人工判定结论基本吻合,表明该方法可有效地应用于地面战场威胁估计领域。     

基于条件事件代数的机器人足球比赛态势评估

介绍了条件事件代数和乘积条件事件代数的基本原理和性质,运用贝叶斯网络的知识框架来表达事件之间的相互关系,运用条件事件代数理论进行逻辑推理,从而解决概率和逻辑的不相容问题.在此基础上提出基于条件事件代数的机器人足球比赛态势评估方法,并通过实验证明该态势评估方法具有较好智能性和有效性.     

基于Stacking集成学习的网络安全态势预测方法

针对现有的网络安全态势预测模型预测精确度低且泛化能力差等问题,提出一种基于Stacking模型融合的态势预测方法。该方法中,借助Stacking算法将TCN网络、WaveNet、GRU、LSTM进行集成挖掘态势数据之间的相关性;之后利用逻辑回归进行预测得到最终态势值;利用粒子群优化算法进行参数寻优,提升模型性能。基于2个数据集进行验证,实验表明,所提预测方法具有较小的均方误差和平均绝对误差,收敛速度较快,拟合度均可达0.999,可以很好解决预测精确度低的问题,提升了模型的泛化能力。     

基于贝叶斯网络的态势评估诊断模型

针对传统的水电设备诊断模型通用性差等问题,提出了基于贝叶斯网络的水电设备态势评估诊断模型.该态势评估模型根据功能分为三层结构:特征级、理解级、评估级.并将贝叶斯网络中的节点按照功能分为态势节点和事件节点,采用网络推理过程将传感器采集信息作为事件节点的证据用来更新态势节点概率,并反过来影响事件节点的概率.该诊断模型在水电设备调速系统的诊断应用中的准确率达到95.2%,证实了该模型的判决可信度.     

电力信息网络安全态势评估方法

电力信息网络安全态势评估是当今网络安全领域研究中的热门领域.但现有基于神经网络的网络安全态势评估方法效率较低,且容易陷入局部最优导致评估精度不高.提出一种改进人工蜂群优化神经网络的网络安全态势评估方法.首先,通过引入混沌序列改进人工蜂群算法提高蜂群的多样性,使其具备更强大的全局搜索能力.然后,利用改进的蜂群算法代替反向传播算法来优化神经网络的各权值参数.最后,新方法对真实的电力信息网络攻击实验进行了安全态势评估预测.与传统的评估方法相比,基于改进的人工蜂群和神经网络的安全评估方法提高了安全评估精度,加快了收敛速度.     

改进贝叶斯算法在配网故障诊断中的研究

针对智能电网故障诊断中所存在的大量不确定信息的问题,本文对贝叶斯网络算法在电网故障诊断中的应用进行了相关研究.在原有Noisy-or、Noisy-and两类节点模型和线路、母线和变压器三类故障诊断模型的基础上,对传统贝叶斯算法的不足之处进行改进,提出了一种改进贝叶斯算法.最后以某地区实际配网为研究实例,结果表明,与传统方法相比,改进后的算法在故障诊断中具有更高的灵敏度,降低错误概率,可以构造最小错误概率的贝叶斯分类器等优点,在实际电力系统故障诊断中半角将有很好的应用前景.此外,本文通过图形用户界面(GUI),显示可疑故障元件、后验概率、误动拒动的保护断路器等信息,方便现场工作人员及时做出决策,进一步处理故障.