基于人工魚群神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)

楊曉翠 劉汝濤 徐韶

【摘要】 計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)是在保障網(wǎng)絡(luò)信息安全中的一個(gè)重要過程。針對(duì)BP神經(jīng)網(wǎng)絡(luò)技術(shù)在對(duì)網(wǎng)絡(luò)安全進(jìn)行時(shí)存在的收斂速度慢、不易獲得全局最優(yōu)解、診斷精度低以及網(wǎng)絡(luò)結(jié)構(gòu)不確定等缺點(diǎn)，而人工魚群算法具有較優(yōu)的全局收斂能力及較快的尋優(yōu)速度。因此，本文利用人工魚群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行了優(yōu)化，建立了一種新的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)模型，并將該模型應(yīng)用到具體的網(wǎng)絡(luò)安全評(píng)價(jià)實(shí)例中。結(jié)果表明，人工魚群神經(jīng)網(wǎng)絡(luò)算法具有收斂速度快及泛化能力強(qiáng)的優(yōu)點(diǎn)，為計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)提供一種高效、準(zhǔn)確及可靠的方法。

【關(guān)鍵字】 網(wǎng)絡(luò)安全 神經(jīng)網(wǎng)絡(luò) 魚群算法 評(píng)價(jià)

目前應(yīng)用較廣泛的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)算法存在著網(wǎng)絡(luò)參數(shù)難確定、收斂速度較慢且易陷入極小值等問題。為了解決上述問題，本文應(yīng)用魚群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，結(jié)合網(wǎng)絡(luò)安全評(píng)價(jià)實(shí)例進(jìn)行了測(cè)試，并將測(cè)試數(shù)據(jù)與標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了比較與分析，取得了理想的結(jié)果。

一、基本BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)算法是一種采用誤差反向傳播的多層前饋感知器。其特點(diǎn)是具有分布式的信息存儲(chǔ)方式，能進(jìn)行大規(guī)模并行處理，并具有較強(qiáng)的自學(xué)習(xí)及自適應(yīng)能力。BP網(wǎng)絡(luò)由輸入層（感知單元）、計(jì)算層（隱藏層）、輸出層三部分組成。輸入層神經(jīng)元首先將輸入信息向前傳遞至隱含層節(jié)點(diǎn)，經(jīng)過激活函數(shù)預(yù)處理后，隱層節(jié)點(diǎn)再將輸出信息傳送至輸出層得到結(jié)果輸出。輸入層與輸出層節(jié)點(diǎn)的個(gè)數(shù)取決于輸入、輸出向量的維數(shù)，隱含層節(jié)點(diǎn)個(gè)數(shù)目前并沒有統(tǒng)一的標(biāo)準(zhǔn)進(jìn)行參考，需通過反復(fù)試錯(cuò)來確定。

二、人工魚群算法

2.1基本原理

人工魚群算法是指通過長(zhǎng)期對(duì)魚類覓食行為的觀察，構(gòu)造人工魚來模擬魚類的覓食、群聚、尾隨以及隨機(jī)行為，從而完成全局最優(yōu)值的尋找。算法所包含的基本過程如下：覓食行為：魚類會(huì)利用視覺或嗅覺來感知水中食物濃度的高低，以此來選擇覓食的路線。聚群行為：魚類一般會(huì)以群體形式進(jìn)行覓食，以此來躲避天敵的傷害并以最大概率獲得準(zhǔn)確的覓食路線。尾隨行為：當(dāng)群體中的某條魚或幾條魚尋找到食物后，其附近的其他同伴會(huì)立刻尾隨而來，其他更遠(yuǎn)處的魚也會(huì)相繼游過來。隨機(jī)行為：魚在水中的活動(dòng)是不受外界支配的，基本上處于隨機(jī)狀態(tài)，這種隨機(jī)性有利于魚類更大范圍的尋找食物及同伴。

2.2魚群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的原理

BP神經(jīng)網(wǎng)絡(luò)在求解最優(yōu)化問題時(shí)容易陷入局部極值，并且網(wǎng)絡(luò)的收斂速度較慢。魚群算法通過設(shè)定人工魚個(gè)體，模擬魚群在水中的覓食、尾隨和群聚行為，通過個(gè)體的局部尋優(yōu)，最終實(shí)現(xiàn)全局尋優(yōu)。人工魚在不斷感知周圍環(huán)境狀況及同伴狀態(tài)后，集結(jié)在幾個(gè)局部最優(yōu)點(diǎn)處，而值較大的最優(yōu)點(diǎn)附近一般會(huì)匯集較多的人工魚，這有助于判斷并實(shí)現(xiàn)全局最優(yōu)值的獲取。因此用人工魚群算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)是一種合理的嘗試。

2.3具體工作步驟

①設(shè)定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，確定隱層節(jié)點(diǎn)數(shù)目；②設(shè)定人工魚參數(shù)，主要包括個(gè)體間距離、有效視線范圍以及移動(dòng)步長(zhǎng)等；③人工魚進(jìn)行覓食、群聚及尾隨行為來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)；④通過設(shè)定的狀態(tài)參量，判斷是否達(dá)到目標(biāo)精度；⑤若達(dá)到精度要求則輸出網(wǎng)絡(luò)優(yōu)化權(quán)值，并執(zhí)行網(wǎng)絡(luò)循環(huán)，否則繼續(xù)改化參數(shù)進(jìn)行優(yōu)化；⑥輸出最終優(yōu)化參數(shù)并進(jìn)行計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)。

三、實(shí)驗(yàn)與結(jié)果比較

將網(wǎng)絡(luò)安全的17項(xiàng)評(píng)價(jià)指標(biāo)的分值作為BP神經(jīng)網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)的期望輸出只有一項(xiàng)，即安全綜合評(píng)價(jià)分值。BP神經(jīng)網(wǎng)絡(luò)需要一定數(shù)量的已知樣本來訓(xùn)練，然后才能用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行評(píng)價(jià)。目前用于網(wǎng)絡(luò)安全綜合評(píng)價(jià)的數(shù)據(jù)還很少，本文采用的是文獻(xiàn)[3]里面的15組數(shù)據(jù)，其中將1～10項(xiàng)用作網(wǎng)絡(luò)訓(xùn)練，11～15項(xiàng)用作仿真輸出。

算法用Matlab語言實(shí)現(xiàn)。通過實(shí)驗(yàn)分析，本文將網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)設(shè)為5，權(quán)值調(diào)整參數(shù)α=0.1，閾值調(diào)整參數(shù)β=0.1，學(xué)習(xí)精度ε=0.0001。網(wǎng)絡(luò)經(jīng)過2000次訓(xùn)練，收斂于所要求的誤差，然后對(duì)檢驗(yàn)樣本及專家評(píng)價(jià)樣本進(jìn)行仿真，結(jié)果如表1所示，可以看出，魚群神經(jīng)網(wǎng)絡(luò)模型進(jìn)行計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)中的平均誤差較小，僅為2.13%，仿真值與標(biāo)準(zhǔn)輸出值非常接近，說明魚群神經(jīng)網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)安全評(píng)價(jià)有很好的泛化和擬合性；而標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的平均誤差為4.96%，預(yù)測(cè)值與實(shí)際值偏離較大，說明標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)安全評(píng)價(jià)中擬合性不好，測(cè)試效果不佳。

四、結(jié)束語

利用人工魚群算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)具有收斂速度快、擬合精度高等優(yōu)點(diǎn)，克服了標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、容易陷入局部極小值的缺點(diǎn)。同時(shí)本文采用的實(shí)驗(yàn)數(shù)據(jù)僅有15個(gè)，基于標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法得到的相對(duì)誤差較大，但優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)精度有明顯提高，避免了由于樣本數(shù)量少造成的擬合精度低等缺點(diǎn)。