基于量子神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知

打開文本圖片集

摘要： 網(wǎng)絡(luò)安全態(tài)勢(shì)感知的預(yù)測(cè)方法大都預(yù)測(cè)準(zhǔn)確度較低，收斂速度較慢；采用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型，其模型設(shè)置參數(shù)多，泛化性能不高，無法進(jìn)行有效預(yù)測(cè)?；谏鲜鰡栴}，提出了一種利用量子粒子群優(yōu)化算法（Quantum Particle Swarm Optimization，QPSO）來優(yōu)化變分量子神經(jīng)網(wǎng)絡(luò)（Variational Quantum Neural Network，VQNN）的預(yù)測(cè)模型，其訓(xùn)練過程是將數(shù)據(jù)樣本經(jīng)過預(yù)處理后轉(zhuǎn)化為量子態(tài)進(jìn)行輸入，并通過隱藏層的酉變換反復(fù)調(diào)整權(quán)重參數(shù)θ，然后利用改進(jìn)慣性權(quán)重因子θ1對(duì)權(quán)重參數(shù)θ進(jìn)行優(yōu)化來獲取網(wǎng)絡(luò)的輸出，將優(yōu)化后的VQNN模型用于預(yù)測(cè)網(wǎng)絡(luò)安全態(tài)勢(shì)值。（剩余8605字）