1.一种基于正余双弦算法的网络态势感知方法,其特征在于,包括:
采用正余双弦算法调整Elman神经网络的阈值和权值;
对Elman神经网络进行优化,获取网络流量样本的时间序列、网络流量经纬度的时间序列和网络流量流向的时间序列;
对网络流量样本的时间序列、网络流量经纬度的时间序列和网络流量流向的时间序列进行聚类归一化处理,获得网络流量的攻击趋向和态势流向。
2.如权利要求1所述的方法,其特征在于,所述Elman神经网络为带反馈的BP神经网络。
3.如权利要求1所述的方法,其特征在于,所述采用正余双弦算法调整Elman神经网络的阈值和权值,包括:
获取训练样本集,利用Elman神经网络对训练样本集进行训练;
在对训练样本集进行训练的过程中,通过Elman神经网络向正余双弦算法提供训练的均方误差MSE,得到正余双弦算法反馈的权值W和阈值B,将权值W和阈值B输入至Elman神经网络。
4.如权利要求1至3中任意一项所述的方法,其特征在于,所述聚类归一化处理为态势感知模型的聚类归一化处理。
5.一种基于正余双弦算法的网络态势感知装置,其特征在于,包括:
调整模块,用于采用正余双弦算法调整Elman神经网络的阈值和权值;
优化模块,用于对Elman神经网络进行优化,获取网络流量样本的时间序列、网络流量经纬度的时间序列和网络流量流向的时间序列;
聚类模块,用于对网络流量样本的时间序列、网络流量经纬度的时间序列和网络流量流向的时间序列进行聚类归一化处理,获得网络流量的攻击趋向和态势流向。
6.如权利要求5所述的装置,其特征在于,所述Elman神经网络为带反馈的BP神经网络。
7.如权利要求5所述的装置,其特征在于,所述调整模块包括:
训练单元,用于获取训练样本集,利用Elman神经网络对训练样本集进行训练;
获取单元,用于在对训练样本集进行训练的过程中,通过Elman神经网络向正余双弦算法提供训练的均方误差MSE,得到正余双弦算法反馈的权值W和阈值B,将权值W和阈值B输入至Elman神经网络。
8.如权利要求5至7中任意一项所述的装置,其特征在于,所述聚类归一化处理为态势感知模型的聚类归一化处理。