攻击模型BBFPAN 分层的新方法.pdfVIP

第 卷 第 期 软件导刊 9 % 2 Vol.9 No.2 年 月 2010 2 Software Guide Feb. 2010 攻击模型BBFPAN 分层的新方法 任大勇 （渭南师范学院，陕西渭南714000 ） 摘 要：针对以模糊 Petri 网为理论基础的网络攻击模型BBFPAN 自学习能力差的缺点，提出了一种新的适用于对 攻击模型BBFPAN 进行层次式划分的分层算法，为将神经网络理论引入攻击模型的研究奠定了基础。 关键词：分层；网络安全；攻击建模 中图分类号： 文献标识码： 文章编号： （ ） TP301 A 1672-7800 2010 02－0038－02 题。 文献［7 ］曾通过对没有回路的FPN 模型结构进行层次式划 0 引言 分以及建立变迁点燃和模糊推理的近似连续函数，提出了适合 模糊Petri 网模型自学习的FPN 分层算法、模糊推理算法和自 模糊Petri 网作为基于模糊产生式规则知识库系统的良好 学习算法， 从而把神经网络中的 网络算法自然地引入到 BP 的建模工具， 它既结合了Petri 网描述异步并发和图形表示的 FPN 模型中。 能力，使得知识表示简单而又清晰；又具有模糊系统的模糊推 但是经实验验证，文献［7 ］所提出的FPN 分层算法并不能 理能力，便于知识的分析、推理、测试以及决策支持等，但是其 对BBFPAN 进行很好的分层处理。 在文献［7 ］的FPN 分层算法 缺乏较强的自学习能力， 该缺点也严重制约了模糊Petri 网在 中，若一个库所是多个变迁的输出库所，则这些变迁分在同一 各个领域的应用。 以模糊Petri 网为理论基础的新型网络攻击 个层中。 这对于描述复杂网络攻击过程的攻击模型 BBFPAN 模型BBFPAN ，不可避免的也具有自学习能力差的缺点。 而对 来说，是不适用的。 若在 中存在， ， ， ， ， ，其中， BBFPAN p 1 p 2 p 3 t1 t2 于用于网络系统安全检测和预警的攻击模型来说，具有自学习 ； ； ， ； 。 则按照文献［ ］的 分层算法，