-
题名应用改进卷积神经网络的网络安全态势预测方法
被引量：26
- 1
-
-
作者
张任川
张玉臣
刘璟
范钰丹
-
机构
信息工程大学
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第6期86-93,共8页
-
基金
国家高技术研究发展计划(863)(No.2015AA016106)
-
文摘
针对神经网络态势预测模型训练复杂度高的问题,提出了一种基于改进卷积神经网络的态势预测方法。结合深度可分离卷积与分解卷积技术的优点,提出了一种基于复合卷积结构的改进型卷积神经网络安全态势预测模型,实现了态势要素和态势值的映射。实验仿真结果证明,相比于已有的典型预测方法,该方法明显降低了复杂度,减少了预测时间,并提升了预测准确率。
-
关键词
态势预测
神经网络
卷积神经网络
复合卷积结构
-
Keywords
situation prediction
neural network
convolution neural network
compound convolution structure
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名应用深度自编码网络的网络安全态势评估
被引量：15
- 2
-
-
作者
张玉臣
张任川
刘璟
汪永伟
-
机构
信息工程大学
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第6期92-98,共7页
-
基金
国家高技术研究发展计划（863）（No.2008AA01Z404）
-
文摘
针对BP神经网络类方法对标签数据的依赖性缺陷,提出了一种基于深度自动编码网络的态势评估方法。模型应用深度自动编码器作为基本单元构建深度自编码网络,结合专家经验和层次化评估的方法训练深度自编码网络。利用无标签数据采用无监督逐层算法对网络进行预训练,确定网络各层参数及权值的范围空间。在此基础上,采用有监督算法使用有标签样本对网络进行微调,对各层参数及权值进行优化,最终形成具有对输入态势数据进行准确评估能力的模型。多种样本数量条件下的对比实验表明,相对于BP神经网络类方法,基于深度自动编码网络模型受标签的影响较小,明显减少了对专家经验的依赖,并且具有整体上较高的评估精度。
-
关键词
神经网络
态势评估
深度自动编码器
深度自编码网络
标签
-
Keywords
neural network
situation prediction
deep automatic encoder
deep auto-encoders network
tag
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
