基于 ESN 神经网络的网络安全态势感知预测

针对现有网络安全技术不能准确地对网络未来安全态势进行预测的问题,提出一种基于回声状态网络(ESN)进行态势预测的方法。对数据量庞大的安全态势值,利用回声状态网络可有效处理非线性系统辨识以及混沌时间序列预测问题。实验表明,由于训练简单,可根据不同网络环境自动优化网络参数,且算法本身在混沌时间序列预测方面的先天优势,使得 ESN 算法比传统神经网络方法在网络态势预测准确率方面有明显改善。     

基于IPSO和BPNN的网络安全态势预测

网络安全状态数据具有数据量大、特征数目繁多以及连续型属性多等特点.态势预测问题可转化为海量数据的预测问题.以网络安全态势研究为应用背景,提出了一种基于改进的粒子群优化算法来优化反向传播神经网络的态势预测模型.利用IPSO内在的隐并行性和很好的全局寻优能力对BP网络的权值和阈值进行优化并建立预测模型对网络安全态势进行预测.仿真实验证明其改善了传统BP网络在预测应用中的不足,有效提高了态势预测的精准度.     

我国外汇储备的灰色关联分析与趋势预测

本文通过运用灰色关联法对影响我国的外汇储备的因素进行分析,找出影响我国外汇储备的主要关联因素,并运用GM（1,1）模型对未来几年的外汇储备量进行了预测。     

基于灰色关联分析与 XGBoost 模型的销售预测研究

为提高销售预测准确率,提出一种基于改进 XGBoost 的销售预测方法。首先对销售量影响因素进行特征分析,通过改进灰色关联分析方法对训练数据进行降维处理|然后采用基于 XGBoost 算法的销售预测方法对降维后的特征数据进行监督训练|最后使用训练后的模型对销售情况进行预测评估。实验结果表明,基于灰色关联分析和 XGBoost 模型的销售预测方法正确率达到 95%以上,比传统的经典预测方法提高 35%以上,比 XG?Boost 预测方法提高 19.6%。基于灰色关联分析与 XGBoost 模型的销售预测方法不仅能有效处理海量数据,提高销售预测准确率,还能为制造企业实现产品精准投放提供决策依据。     

福建省农民消费结构的灰色关联分析及其变动预测

本文应用系统聚类、灰色关联分析、灰色预测等方法对福建省1993～2003年期间农民消费结构的发展状况进行分析,并对2004～2008年的变动趋势进行预测,以揭示该省农民消费结构变化的规律.模型输出结果显示:农民生活水平日益提高,农民消费结构正向更高层次的方向发展.对模型输出数据的各种分析,将对福建农村消费市场的培育和农村经济发展提供有价值的参考信息.     

基于灰色模型的建筑物沉降预测方法

针对灰色模型在建筑物沉降预测中存在的不足,对传统的灰色模型进行改进,提出利用时间差法和Newton插值法将非等间距的原始数据序列转换为等间距数据序列,然后采用GM（1,1）模型和两种加权法对等间距数据进行建模的预测方法。并通过实例进行精度分析,实例证明利用Newton插值法构造等间距数据,采用基于时间加权的模型对沉降进行预测具有较高的精度。采用该模型对建筑物沉降趋势进行预测,为施工决策起到良好的参考作用。     

厦门市供电量预测中影响因素的灰色关联分析

运用灰色关联的分析方法来确定影响厦门市供电量变化的首要因素。按照灰色关联分析方法理论,依据关联度公式得出评价结果,关联度越大,影响越大。此方法对于提高厦门市供电量的预测精度有着极其重要的现实意义.     

黄河流域旱灾的灰色关联灾情预估模型探讨

依据灰色关联理论,建立了黄河流域旱灾的灾情预估模型,并进行了实例分析,结果表明：用此模型预估黄河流域旱灾等级划分,避免了人为主观性,又与实际相吻合,因而是一种科学实用的旱灾预估方法。     

深基坑支护结构变形灰色预测方法研究

利用GM(1,1)预测模型来推算支护结构的变形量,通过预测实例验证预测结果精确度较高,因此灰色预测方法为基坑监测工作提供了一种有效的处理手段。     

基于云计算的网络安全态势感知技术研究

为提高混合结构化网络的安全性,提出基于云计算的网络安全态势感知方法.首先构建混合结构化网络安全信息检测结构模型,通过信息挖掘进行安全态势信息辨识,结合边缘点的距离和自变量分析过程构建网络安全信息采样模型.然后通过空间节点分布进行贝叶斯网络学习,实现混合结构化网络安全态势信息融合.基于此,通过构建网络安全感知的空间特征分类集提取态势感知信息特征,再采用云计算技术及协同滤波技术进行混合结构化网络安全态势信息的优化解析处理,从而实现混合结构化网络安全态势信息感知.仿真结果表明:该方法对网络安全态势感知的准确性较高,提高了混合结构化网络的安全性和稳定性.     

一种针对访问控制系统的安全态势感知模型

针对高安全级别信息系统提出一种利用策略和审计日志信息进行态势感知的安全态势感知模型。相比传统通过入侵检测系统采集网络数据和系统数据进行分析的方法,该模型对于威胁事件有较强的灵敏度,能够在系统发生威胁事件的第一时间觉察。同时模型依托可信计算技术,使整个系统运行在允许范围内,有效提升系统防护能力,对高安全级别信息系统的安全监控有实际意义。     

基于卡尔曼滤波的网络安全预测

针对现有网络安全态势预测模型往往只能对离线数据进行预测,无法根据历史信息来对当前数据进行在线实时预测的问题,提出了一种基于卡尔曼滤波的网络安全态势预测方法.首先,介绍了卡尔曼滤波的基本原理和相应的状态方程和预测方程,然后设计了基于卡尔曼滤波的网络安全态势在线预测算法,算法采用最小二乘方法来求解预测方程中的权值矩阵和噪声参数,从而获得了相应的预测表达式,可以实现对网络安全态势的实时预测.为了验证所提模型的预测效果,将其应用于离线数据集和在线实时数据中,并与其它方法进行了比较.仿真结果表明:所提模型能准确有效地对网络安全态势进行预测,具有预测精度高的优点,和其他方法相比,具有较大的优越性.     

灰色人工神经网络组合预测模型及其应用研究

将GM（1,1）模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

基于灰色BP网络的GDP总量组合预测模型应用研究

将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测.以安徽省1992-2007年的数据为例,对2005-2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

基于灰色预测与BP神经网络的全球温度预测研究

为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。     

网络安全态势感知模型析论

随着网络规模及复杂性不断的变化,网络脆弱性逐渐增多,加之各种新型攻击工具不断涌现,传统网络安全技术显然不能满足发展所需,网络安全成为一个严峻问题。文章分析了网络安全势态的感知模型形成过程,分析了感知模型的系统实现。     

基于灰色聚类和AHP的网络安全评价模型研究及应用

为了对网络安全进行综合评价,根据网络安全评价指标体系,建立了网络安全的综合评价模型.先利用灰色聚类方法对网络安全指标的原始数据进行等级评价分类,根据待识别样本与各类类中心的距离,确定待评价样本等级;再利用层次分析法对每类分别排序.结果表明,该模型能够有效地对网络安全进行综合评价.