基于自适应BP神经网络的计算机网络安全评价
现代电子技术
Modern Electronics Technique
2015年12月1日第38卷第23期
Dec.2015Vol.38No.23
doi ：10.16652/j.issn.1004?373x.2015.23.023
0引言
随着现代科技的不断发展，计算机网络技术在政治、经济、军事及社会的日常生活应用日益深入，同时，计算机网络信息安全所带来的威胁也日益严峻。采用主动防御式计算机网络安全评价算法对计算机网络安全进行及时、有效评价，可有效遏制计算机网络及信息系统的威胁，提高系统的安全性。
现代计算机网络主要面临病毒入侵、系统漏洞、木马等多重安全威胁，且各安全威胁因素之间存在复杂的非线性关联。传统计算机网络安全评价方法主要包括层次分析法、故障树分析法、灰色模型等，其评价过程操作复杂且难度较大，评价准确率低。而人工神经网络是一种具有自学习、自组织、自适应等特性非线性智能算法，其通过对样本数据训练和学习完成对网络中各神经元间的连接权值和阈值的自适应，最终实现对该系统的
非线性特性有效预测。人工神经网络克服了传统方法中难以构建统计模型的缺陷，具有实现简单、鲁棒性强等特点，可有效评估计算机网络安全。
BP 神经网络作为目前应用最为广泛的神经网络，
其采用基于梯度的最速下降法，以误差平方为目标函数进行全局搜索，因而具有较强的非线性映射能力和高度自学习自适应能力。同时，BP 神经网络在模式分类过
程充分考虑网络中分类对象的正确分类以及学习训练后模式及噪声污染的分类，因而具有较强非泛化能力。此外，BP 神经网络还具有较强的容错能力，当网络中局部神经元受损时，整个系统还可继续完成相应的任务。
然而，BP 神经网络也存在学习训练收敛时间长、易陷入局部极小值以及网络结构不确定等缺陷。特别是网络的隐层数及各隐层节点数难以确定，给算法的有效实现带来诸多不确定性。
本文针对BP 神经网络的结构不确定性缺陷，引入人工鱼群优化算法，采用自适应步长、变视野域等自适应算法，实现BP 神经网络结构的参数确定，最终完成计
基于自适应BP 神经网络的计算机网络安全评价
占
俊
（景德镇学院，江西景德镇
333000）
摘
要：针对现代计算机网络存在安全评价指标种类多、各指标的非线性特性强等，采用传统评价方法评估存在操作
难度大、精确性低等问题，提出了基于自适应BP 神经网络的计算机网络安全评价算法。算法采用建立人工鱼群优化算法对传统BP 神经网络结构参数进行优化确定，然后根据优化后的网络对样本指标进行训练和学习，最后再通过专家评估测试数据对算法的有效性进行检测与评估。仿真试验结果验证了算法在计算机网络安全评价方面的有效性。
关键词：网络安全；BP 神经网络；人工鱼群算法；自适应算法中图分类号：TN915.08?34
文献标识码：A
文章编号：1004?373X （2015）23?0085?04
Evaluation of computer network security based on adaptive BP neural network
ZHAN Jun
（Jingdezhen University ，Jingdezhen 333000，China ）
Abstract ：Since the modern computer network has the problems of various security evaluation indicators and strong nonlinear characteristic of each indicator ，and the traditional evaluation method has difficult operation and low accuracy ，an evaluation al ?gorithm of computer network security based on adaptive BP neural network is proposed.In the algorithm ，the artificial fish swarm algorithm （AFSA ）is established to optimize and determine the structure parameters of the traditional BP neural network ，and then the sample indicators are trained and learned according to the optimized network ，finally the validity of the algorithm is tested and evaluated by means of the test data of expert evaluation.The simulation experiment results show that the algorithm has the validity in the evaluation of computer network security.
Keywords ：network security ；BP neural network ；artificial fish swarm algorithm ；adaptive algorithm
收稿日期：2015?07?26
85