相关向量机超参数优化的网络安全态势预测

来源：计算机应用杂志2015年第7期北京时间：

作者：肖汉杰, 桑秀丽

单位：昆明理工大学 质量发展研究院, 昆明 650093

摘要：针对当前网络安全态势预测方法存在的过学习与欠学习、自由参数多、预测精度不高等问题,提出使用一种改进模拟退火法优化的相关向量机模型(PSA-RVM)来解决网络安全态势预测问题。在预测过程中,首先对网络安全态势样本数据进行相空间重构形成训练样本集;然后,利用Powell算法改进模拟退火(PSA)法,并将相关向量机(RVM)嵌入到PSA算法的目标函数计算过程中,优化RVM超参数,以得到学习能力、预测精度提升的网络安全态势预测模型。仿真实例表明,所提方法具有较高的预测精度,平均相对误差(MAPE)和均方根误差(RMSE)分别为0.39256和0.01261,均优于Elman和PSO-SVR模型;所提方法能够较好地刻画网络安全态势的变化趋势,有助于网络管理人员把握未来网络安全态势发展趋势,从而提前主动采取相应的网络防御措施。

关键词：网络安全态势,相关向量机,Powell算法,模拟退火,预测,超参数

基金资助：国家自然科学基金资助项目(61364016);云南省应用基础研究计划项目(2014FB136)。