针对可能引发网络系统故障的一系列因素,提出了一种基于FTA(Fault Tree Analy-sis)和BP(Back Propagation)的神经网络系统故障诊断模型,该模型通过故障树分析法对引发网络系统故障的原因进行整理分析,构建故障树图,分析各事件之间的逻辑关系及结构重要程度,结合模糊数计算各事件的模糊概率并将计算出的数据结合BP模型提前设置各事件的权值和阈值,预测网络系统运行时产生的漏洞和可能遭遇的攻击,诊断网络系统的运行情况,及时预警和防护网络系统安全.通过对KDDUCI99数据集进行仿真实验,得出该模型的平均准确率达96.51％,相比传统的BP模型和ELM(Extreme Learning Machine)模型在精确性和稳定性上都有一定的提高,实验结果证明了该方法的有效性.
NETL
NSTL
万方数据
维普
