公开(公告)号：CN110278108B

公开(公告)日：2021-10-29

申请号：CN201910421411.0

申请日：2019-05-21

Applicant: 杭州电子科技大学

Inventor： 伍益明 ,  徐明 ,  郑宁 ,  王广 ,  乔通

IPC: H04L12/24

Abstract: 本发明公开了一种基于模拟退火算法的多自主体网络容侵能力评估方法，本发明将模拟退火技术应用于网络容侵能力评估领域，同时在传统的模拟退火方法上综合考虑了在网络健壮性计算子集对更新时引入了三种备选状态，使得子集对更新具有更大采样随机性。本发明具有克服大规模多自主体网络容侵能力评估因NP难问题而无法求解的优点。

公开(公告)号：CN110278108A

公开(公告)日：2019-09-24

申请号：CN201910421411.0

申请日：2019-05-21

Applicant: 杭州电子科技大学

Inventor： 伍益明 ,  徐明 ,  郑宁 ,  王广 ,  乔通

IPC: H04L12/24

Abstract: 本发明公开了一种基于模拟退火算法的多自主体网络容侵能力评估方法，本发明将模拟退火技术应用于网络容侵能力评估领域，同时在传统的模拟退火方法上综合考虑了在网络健壮性计算子集对更新时引入了三种备选状态，使得子集对更新具有更大采样随机性。本发明具有克服大规模多自主体网络容侵能力评估因NP难问题而无法求解的优点。

公开(公告)号：CN110224862A

公开(公告)日：2019-09-10

申请号：CN201910419060.X

申请日：2019-05-20

Applicant: 杭州电子科技大学

Inventor： 伍益明 ,  徐明 ,  郑宁 ,  王广 ,  周瑜佳

IPC: H04L12/24

Abstract: 本发明公开了一种基于多层感知器的多智能体系统网络容侵能力评估方法。传统方法因网络节点多、算法复杂度高而无法有效评估。本发明方法首先针对多智能体系统网络集合，按节点数量进行矩阵频谱聚类，得到邻接矩阵的特征向量在不同聚类的分布数，构建特征向量集合；然后构建多层感知器模型，将相同节点数量的数据集提取的特征交给多层感知器模型进行特征学习，获得权值矩阵和偏倚向量；最后对同一数据集邻接矩阵预处理后得到的特征进行多层感知器模型预测，得到最终分类结果。本发明从多智能体系统网络拓扑对应的邻接矩阵中获取的特征值，可使得矩阵特征更为简单化，更加有利于感知机进行学习，且学习出来的人工神经网络的精度和查准率更好。

公开(公告)号：CN110224862B

公开(公告)日：2021-12-21

申请号：CN201910419060.X

申请日：2019-05-20

Applicant: 杭州电子科技大学

Inventor： 伍益明 ,  徐明 ,  郑宁 ,  王广 ,  周瑜佳

IPC: H04L12/24

Abstract: 本发明公开了一种基于多层感知器的多智能体系统网络容侵能力评估方法。传统方法因网络节点多、算法复杂度高而无法有效评估。本发明方法首先针对多智能体系统网络集合，按节点数量进行矩阵频谱聚类，得到邻接矩阵的特征向量在不同聚类的分布数，构建特征向量集合；然后构建多层感知器模型，将相同节点数量的数据集提取的特征交给多层感知器模型进行特征学习，获得权值矩阵和偏倚向量；最后对同一数据集邻接矩阵预处理后得到的特征进行多层感知器模型预测，得到最终分类结果。本发明从多智能体系统网络拓扑对应的邻接矩阵中获取的特征值，可使得矩阵特征更为简单化，更加有利于感知机进行学习，且学习出来的人工神经网络的精度和查准率更好。