Método de evaluación de la situación de la red basado en la red neuronal BP mejorada
Autores: Du, Zhiqiang; Yao, Haitao; Fu, Yanfang; Cao, Zijian; Liang, Hongtao; Ren, Jinkang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Método de evaluación de la situación de la red basado en la red neuronal BP mejorada
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Red de definición de software
Conciencia de situación de seguridad de red
Tecnología NSSA
Recursos de red
Modelo de evaluación de situación
Red neuronal BP
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Aunque una red definida por software (SDN) realiza la configuración flexible y el control centralizado de los recursos de red, existen riesgos y desafíos de seguridad potenciales. La tecnología de conciencia de la situación de seguridad de la red (NSSA) asocia e integra información heterogénea de múltiples fuentes para analizar el impacto de la información en toda la red, y la evaluación de la situación de seguridad de la red puede captar la información de la situación de seguridad de la red en tiempo real. Sin embargo, los métodos de evaluación de la situación existentes tienen una baja precisión de evaluación, y la mayoría de los estudios se centran en las redes tradicionales, mientras que hay pocos estudios de evaluación de la situación en el entorno SDN. En este documento, mediante la síntesis de los parámetros de índice importantes de SDN, se propone un modelo de evaluación de la situación de seguridad de la red basado en la red neuronal de retropropagación mejorada (basado en el algoritmo de búsqueda del cuco), y se mejoró el factor de paso del algoritmo de búsqueda del cuco (CS) para mejorar la precisión de la búsqueda. El modelo mapea los elementos de la situación a las capas de la red neuronal, y optimiza los pesos y umbrales de la red neuronal de retropropagación a través del algoritmo de búsqueda del cuco para obtener la solución óptima global; finalmente, se logra el propósito de la evaluación de la situación y la calificación integral del entorno SDN. En este documento, el modelo de evaluación se verificó en la red establecida en Mininet. Los resultados experimentales muestran que la curva de evaluación de la situación de este modelo se acerca al valor de la situación real, y la tasa de precisión es del 97.61%, con buenos resultados de evaluación de la situación.
Descripción
Aunque una red definida por software (SDN) realiza la configuración flexible y el control centralizado de los recursos de red, existen riesgos y desafíos de seguridad potenciales. La tecnología de conciencia de la situación de seguridad de la red (NSSA) asocia e integra información heterogénea de múltiples fuentes para analizar el impacto de la información en toda la red, y la evaluación de la situación de seguridad de la red puede captar la información de la situación de seguridad de la red en tiempo real. Sin embargo, los métodos de evaluación de la situación existentes tienen una baja precisión de evaluación, y la mayoría de los estudios se centran en las redes tradicionales, mientras que hay pocos estudios de evaluación de la situación en el entorno SDN. En este documento, mediante la síntesis de los parámetros de índice importantes de SDN, se propone un modelo de evaluación de la situación de seguridad de la red basado en la red neuronal de retropropagación mejorada (basado en el algoritmo de búsqueda del cuco), y se mejoró el factor de paso del algoritmo de búsqueda del cuco (CS) para mejorar la precisión de la búsqueda. El modelo mapea los elementos de la situación a las capas de la red neuronal, y optimiza los pesos y umbrales de la red neuronal de retropropagación a través del algoritmo de búsqueda del cuco para obtener la solución óptima global; finalmente, se logra el propósito de la evaluación de la situación y la calificación integral del entorno SDN. En este documento, el modelo de evaluación se verificó en la red establecida en Mininet. Los resultados experimentales muestran que la curva de evaluación de la situación de este modelo se acerca al valor de la situación real, y la tasa de precisión es del 97.61%, con buenos resultados de evaluación de la situación.