基于遗传算法和LSSVM的网络安全事件发生频率预测

摘要：

网络安全事件发生频率是非线性变化的,传统时序预测方法难以处理;样本数量少时,人工神经网络等方法预测精度也难以保证.最小二乘支持向量机(LSSVM)是一种基于统计学习理论的机器学习方法,能非常好地解决小样本、非线性问题.本文将LSSVM应用于网络安全事件发生频率的预测,为了达到最佳预测效果,使用一种改进的遗传算法对模型参数进行优化.通过实验验证,改进的遗传算法较简单遗传算法收敛更快,优化效率更高,优化后的模型能够达到良好的预测效果.

关键词： 计算机网络 信息安全 频率预测 遗传算法 最小二乘支持向量机

作者: 赵光耀 邹鹏 韩伟红

作者单位: 国防科技大学计算机学院 长沙 410073 装备指挥技术学院 北京 100029

会议类型: 国内会议

会议名称: 第25次全国计算机安全学术交流会

会议地点: 杭州

会议语种:中文

页码: 1-5

在线出版日期: 2010-09-17（万方平台首次上网日期，不代表论文的发表时间）