基于APDE‑RBF神经网络的网络安全态势预测方法

摘要

本发明属于网络安全技术领域，特别涉及一种基于吸引子传播差分进化算法的径向基函数APDE‑RBF神经网络的网络安全态势预测方法，包括利用AP聚类算法对样本数据进行划分聚类，从而获得径向基函数RBF的中心和网络的隐含层节点数；利用AP聚类得出种群差异度，自适应地改变DE算法的缩放因子和交叉概率，对RBF的宽度和连接权值进行优化；同时为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索；确定最终RBF网络模型，输入测试数据集，输出态势预测值；本发明旨在增强泛化能力的同时，提高对网络安全态势的预测精度。

主权项

一种基于吸引子传播差分进化算法的径向基函数APDE‑RBF神经网络的网络安全态势预测方法，其特征在于，该方法包括以下步骤：步骤1：利用吸引力传播AP聚类算法对样本数据进行划分聚类，从而获得径向基函数RBF的中心和网络的隐含层节点数；步骤2：利用AP聚类得出种群差异度，自适应地改变差分进化DE算法的缩放因子和交叉概率，对RBF的宽度和连接权值进行优化；步骤3：为了避免陷入局部最优以及跳出局部极值点，对每一代种群的精英个体和种群差异度中心进行混沌搜索；步骤4：确定最终RBF网络模型，输入测试数据集，输出态势预测值。