脆弱性网络用户信息安全性在线检测仿真

摘要

对脆弱性网络的用户信息安全性进行在线检测,能够有效提高互联网的安全、稳定运行.对用户信息安全性的在线检测,需要改善样本表征能力弱信息以及冗余信息,调整不同网络层面的权重和阈值,完成用户信息的安全性检测.传统方法生成多个用户信息最优特征子集,对处理后的特征进行训练学习,但忽略了对信息的权重、阈值进行调整,导致检测精度偏低.提出基于BP神经网络的脆弱性网络用户信息安全在线检测方法.对脆弱性网络用户信息安全信息进行主成分分析,保留那些具有较强表征能力的特征部分,改善了原始信息样本中存在较多表征能力弱和冗余的信息;通过对BP神经网络的输出层与隐含层之间的权重和阈值进行调整,完成检测.仿真结果证明,所提方法在保证检测精度的同时,只需要较少的迭代次数就能使得检测结果达到较高精度,提高了收敛速度.