吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (2): 352-358.
彭建祥
PENG Jianxiang
摘要: 由于在医院网络异常信息入侵意图预测过程中, 没有对医院网络数据降维处理, 导致预测时间较长、 预测准确率较低, 为此提出基于改进 RBF(Radical Basis Function)模型的医院网络异常信息入侵意图预测算法。 通过相关性分析去除医院网络数据冗余并排序, 采用 RBF 多层神经网络对排序后的数据属性进行选择, 完成 医院网络数据降维处理; 根据数据预处理结果, 构建贝叶斯攻击图, 获取网络潜在入侵攻击路径; 在该路径中 计算警报关联强度, 提取入侵警报证据数据, 通过警报证据的监测判断信息入侵概率, 获得医院网络的异常 信息入侵意图的预测结果。 实验结果表明, 所提方法的网络异常信息入侵意图预测效率快、 准确率高、 整体 效果好。
中图分类号: