科研之友
微信
新浪微博
Facebook
分享链接
摘要
对网络的入侵风险量化评估是网络安全体系的重要防范方法,可在发现入侵后及时做出相应,有效降低网络入侵风险。传统方法采用小波神经网络(Wavelet Neural Network,WNN)模型对层次化动态网络入侵风险评估,对层次化动态网络入侵风险量化评估结果较为粗糙,导致评估结果精度较低、网络入侵报警正确率低等。为此,在传统WNN模型基础上,融合人工免疫原理提出新的层次化动态网络入侵风险量化评估方法。利用WNN模型计算层次化动态网络正向和反向入侵数据的隐含层输出结果,得到初步层次化动态网络入侵风险的等级评估结果;融合人工免疫原理与入侵风险等级评估,将层次化动态网络的入侵模拟为人体记忆细胞对外部抗原的免疫过程,利用克隆技术改变不同网络服务器的抗原浓度,实现对层次化动态网络入侵风险的精确量化评估。实验结果说明,所提方法的风险量化评估结果精度高且对层次化动态网络入侵的报警正确率高。
-
单位江苏大学附属医院
