基于AGALVQ神经网络的网站安全漏洞预测模型研究

文档名：基于AGALVQ神经网络的网站安全漏洞预测模型研究
针对网站安全测试效率低的问题,文章利用学习向量量化(LVQ)神经网络的非线性运算能力和自遗传算法(AGA)的参数寻优能力,提出了一种基于AGA-LVQ神经网络的网站安全漏洞预测模型.首先依据度量属性的选取原则,结合经验,对网站安全度量属性进行选取;其次收集和整理测试历史数据,利用k-最近邻算法对测试历史数据进行预处理,去除错误和矛盾数据;然后利用自适应遗传算法计算最优的神经网络初始权值向量;最后运用神经网络对测试数据集进行漏洞预测实验.通过对实验结果的综合评价,证明该模型具有较高的预测准确度.
作者：刘文志李海涛朱江
作者单位：辽宁北方实验室有限公司,辽宁沈阳110180
母体文献：第五届全国信息安全等级保护技术大会论文集
会议名称：第五届全国信息安全等级保护技术大会  
会议时间：2016年10月1日
会议地点：昆明
主办单位：公安部第三研究所
语种：chi
分类号：
关键词：网站安全  漏洞预测  神经网络  准确度
在线出版日期：2017年8月21日
基金项目：
相似文献
相关博文

2024-12-10 13:19 上传 基于AGALVQ神经网络的网站安全漏洞预测模型研究.pdf

文件大小:

3.68 MB

下载次数:

60

高速下载