摘要
基于动态k‑means聚类的神经网络态势预测方法,包括以下步骤:1)收集某系统网络安全基础数据,数据指标即感染网络病毒主机数量,被篡改网络数,被植入后门的网络数量,安全事件报告数,仿冒页面数量,以及安全漏洞和高危漏洞数量,对网络安全基础数据归一化处理;2)对归一化后的网络安全基础数据,利用动态k‑means聚类算法进行聚类,确定RBF神经网络中心神经元参数和个数N;3)使用归一化后的数据参与RBF神经网络训练,计算RBF神经元宽度并确定神经元输出;4)在训练过程中,对RBF神经网络的输出权值进行编码,使用PSO算法得到最优权值,使网络态势预测精度提高;5)使用已训练的RBF神经网络对某月网络态势进行预测,并与当月网络态势评估值作对比,计算误差;具有预测精度高的特点。