编者荐语
本文创新性地提出了一种基于改进粒子群算法优化的BP神经网络模型，旨在突破传统评价方法局限。实验验证表明，该模型在预测准确性和收敛速度上显著优于传统BP及PSO-BP模型，为构建和优化网络防御体系提供了更精准、高效的评估工具。
引用本文：朱磊 , 赵婷 , 岳燕林 . 基于SM-DWPSO-BP模型的网络防御能力评价[J]. 通信技术 ,2025,58(4):441-447.
文章摘要：随着计算机网络的发展和普及，网络安全问题愈发突出，通过对网络防御能力进行分析评价能够有效地提升网络安全防御能力。从网络防御的不同阶段提取网络防御能力指标，建立评价指标体系，提出了基于改进粒子群算法优化的BP神经网络（Sine Map-Dynamic Weight ParticleSwarm Optimization -Back Propagation Network，SM-DWPSO-BP）的评价模型。最后，采集样本数据并对模型进行训练和测试。通过实验分析，所提模型能有效评价网络防御能力，并且具备更高的准确性和收敛速度。
论文结构：
0 引 言
1 相关工作
2 基本思路和步骤
2.1 指标体系构建
2.2 评价指标数据处理
2.3 评价模型生成
3 实验与结果分析
3.1 模型有效性分析
3.2 模型性能分析
4 结 语
作者简介
朱 磊（1986—），男，学士，工程师，主要研究方向为网络安全；
赵 婷（1989—），女，硕士，工程师，主要研究方向为网络安全；
岳燕林（1989—），男，硕士，工程师，主要研究方向为网络安全。
★
★ ★ ★
★
原文始发于微信公众号（信息安全与通信保密杂志社）：基于SM-DWPSO-BP模型的网络防御能力评价
免责声明:文章中涉及的程序(方法)可能带有攻击性，仅供安全研究与教学之用，读者将其信息做其他用途，由读者承担全部法律及连带责任，本站不承担任何法律及连带责任；如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截，联系方式见首页)，望知悉。
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论