基于CEP-CPN的可信網(wǎng)絡(luò)終端行為聚類模型的研究.pdf_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、在當(dāng)前網(wǎng)絡(luò)發(fā)展中,網(wǎng)絡(luò)安全所表現(xiàn)出的脆弱性越來越突出。雖然針對越來越多的網(wǎng)絡(luò)攻擊,相關(guān)研究者或技術(shù)人員提出相應(yīng)的有效補救措施,如各種各樣的防火墻,殺毒軟件及專門針對某一領(lǐng)域內(nèi)的安全防范軟件等,但是,其采取的普遍防護措施都是以阻止外來攻擊作為主要設(shè)計手段,并沒考慮到網(wǎng)絡(luò)終端本身所存在的安全隱患問題,而在安全問題上,終端的不安全性與不可信性是造成網(wǎng)絡(luò)出現(xiàn)安全威脅的關(guān)鍵原因。正由于此,國內(nèi)外學(xué)者在近幾年對網(wǎng)絡(luò)提出了可信網(wǎng)絡(luò)的概念,試圖對這些問

2、題提出一種可行的方法措施,并取得了一定的研究成果。
  而在可信網(wǎng)絡(luò)中,尤以用戶終端行為是一大研究熱點問題,如:如何對終端行為的屬性進行統(tǒng)一的形式化描述;在終端連接網(wǎng)絡(luò)時,怎么樣建立終端的認(rèn)證機制,如何解決一個用戶終端在其向服務(wù)提供者提交請求時辨別與確定其行為的可信級別等。
  本文基于此提出了一種基于神經(jīng)網(wǎng)絡(luò)的改進方法對可信網(wǎng)絡(luò)終端行為進行預(yù)測與控制,以達到更好地保障網(wǎng)絡(luò)的安全與可信。首先研究了當(dāng)前可信網(wǎng)絡(luò)中存在的問題,和

3、在可信領(lǐng)域中網(wǎng)絡(luò)終端行為證據(jù)提取的關(guān)鍵技術(shù),研究了用戶終端行為證據(jù)的一般性評估方法;然后結(jié)合對偶傳播神經(jīng)網(wǎng)絡(luò)(Counter Propagation Networks,CPN)機制和基因表達式(Gene Expression Programming,GEP)算法思想,設(shè)計了基于GEP-CPN的可信網(wǎng)絡(luò)終端行為聚類模型,并通過實驗與實例分析證明了該模型的有效性和優(yōu)越性。
  本文主要工作有以下幾個方面:
  a)分析了可信網(wǎng)絡(luò)

4、終端用戶行為證據(jù)的定義及其特點,證據(jù)的獲得與規(guī)范化。然后利用這些方法所得到的數(shù)據(jù)集,即是對不同種類的用戶行為證據(jù)中各種相關(guān)的特征進行研究。
  b)研究怎么樣改進 CPN網(wǎng)絡(luò),使其能夠跳離傳統(tǒng)網(wǎng)絡(luò)的束縛,達到更好的訓(xùn)練網(wǎng)絡(luò)。即是優(yōu)化輸入向量以及對傳統(tǒng) CPN中 Kohonen層的各神經(jīng)元對應(yīng)的權(quán)向量盡可能做到與實際輸入向量的分布一致。
  c)對新模型進行聚類結(jié)果的評估,在文本數(shù)據(jù)集下,對不同的聚類方法進行比較分析。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論