买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉郑州轻工业大学申请的专利一种基于SAA-SSA-BPNN的网络安全态势评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116846565B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210135680.2，技术领域涉及：H04L9/40；该发明授权一种基于SAA-SSA-BPNN的网络安全态势评估方法是由张然;潘芷涵;王一帆;甘勇;尹毅峰设计研发完成，并于2022-02-14向国家知识产权局提交的专利申请。

本一种基于SAA-SSA-BPNN的网络安全态势评估方法在说明书摘要公布了：本发明公开了一种基于SAA‑SSA‑BPNN的网络安全态势评估方法，具体包括以下步骤：步骤一：构建网络安全态势指标体系，对收集到的指标数据进行预处理；步骤二：建立基于SAA‑SSA‑BPNN的网络安全态势评估模型：具体包括：用模拟退火算法优化麻雀搜索算法；用优化后的麻雀搜索算法获取BP神经网络的最优初始权值和阈值；对用SAA‑SSA算法优化后的BPNN进行训练；生成具有评估能力的SAA‑SSA‑BPNN模型；步骤三：基于SAA‑SSA‑BPNN模型进行网络安全态势评估：输入测试数据到SAA‑SSA‑BPNN模型进行网络安全态势评估。该发明的技术效果为：解决了麻雀搜索算法易陷入局部最优和BPNN的最优权值和阈值难以确定及收敛速度缓慢的问题，显著提高了评估的准确性和收敛速度。

本发明授权一种基于SAA-SSA-BPNN的网络安全态势评估方法在权利要求书中公布了：1.一种基于SAA-SSA-BPNN的网络安全态势评估方法，其特征在于：具体包括以下步骤： 步骤一：构建网络安全态势指标体系：网络安全态势指标体系从整体上描述网络的安全状况，按照态势指标体系构建原则，构建了一个树状层次结构的安全态势指标体系，该指标体系分为两个一级指标、四个二级指标和二十个三级指标，分别从脆弱性、威胁性、容灾性和稳定性四方面对网络系统的安全风险和运行状态特性进行描述； 步骤二：建立基于SAA-SSA-BPNN的网络安全态势评估模型：通过模拟退火算法SAA优化的麻雀搜索算法SSA来改进BP神经网络BPNN并应用于网络安全态势评估；首先根据步骤一中所构建的网络安全态势指标体系，收集相应的态势数据并进行预处理，然后对SAA-SSA算法改进的BP神经网络进行训练，生成具有评估能力的网络安全态势评估模型； 基于SAA-SSA-BPNN的网络安全态势评估算法，具体步骤为： ①构建网络安全态势指标体系，对网络安全数据进行预处理，初始化BP神经网络的初始权值和阈值； ②初始化麻雀种群并定义相关参数，如，用n表示麻雀种群规模，d表示变量的维数，t表示当前迭代数； 麻雀种群表示为如下形式： 麻雀种群的适应度函数值表示为如下形式： 其中,f表示单只麻雀的适应度函数值； ③将模拟退火算法引入麻雀搜索算法中，模拟退火算法的原理是对高温固体退火降温过程进行模拟，经历加温、等待、冷却这三个步骤；在实际应用中会将系统的能量用函数f来表示，将系统温度用控制参数T来表示，f在内能随温度降低的同时也随之下降，当温度下降到常温时内能减少到最小；当T＝0时的系统状态对应于寻优问题的整体最优解；模拟退火算法根据Metropolis准则即以一定概率接受新状态，见公式5，以一定的概率接受劣质解的同时有效避免算法陷入局部最优；在引入模拟退火算法后，需要按照公式3、4和5初始化模拟退火算法的退火温度、退火速率以及突跳概率： 模拟退火算法的初始化退火温度确定为Tk令k＝0，Tk表示如下： 公式3中，fg表示全局最佳适应度值，α为初始接受概率，取值区间为[0.2,0.5]； 退火速率为： Tt+1＝γTt4 公式4中γ为降温的速率，t为迭代次数； 突跳概率为： Δf＝fi-fg6 公式5中P为突跳概率，公式6中fi为当前个体适应度值，fg表示全局最佳适应度值；如果Δf＜0，则以概率1接受新解，否则以概率exp-ΔfTk来接受新解； ④根据适应度函数计算每只麻雀的个体适应度值fi并将其按适应度值大小进行排序，进而选择出当前全局最佳适应度值fg和最差适应度值fw以及对应的位置Xbest和Xworst； ⑤依据麻雀搜索算法原理，根据预警值R2和安全值ST的大小按照公式7更新发现者位置，按照公式8更新加入者的位置，按照公式9更新意识到危险的麻雀位置；具体算法原理如下： 在麻雀搜索算法中，由于发现者处于主动地位，所以他们可以获得更大的觅食搜索范围且具有较好的适应度；当预警值R2＜安全值ST时，表示此时周围的环境安全，当R2≥ST时，表示种群中的一些麻雀已经意识到了危险，所有麻雀都需要迅速飞到安全地方进行觅食；发现者的位置更新可表示为： 其中，j＝1,2,3…d；itermax是一个常数，表示最大的迭代次数；Xi,j表示第i只麻雀在第j维中的位置信息；α∈0,1]是一个随机数；Q是服从正态分布的随机数；L表示每一个元素都为1的1×d矩阵； 加入者在整个觅食过程中都会监视着发现者，当它们意识到发现者找到更好的食物时就会立刻飞过去与发现者抢夺新的食物，如果争夺过程赢得了发现者就会立即获得该发现者的食物，否则就重复执行上述操作；当i＞n2时，表明第i只加入者的适应度值较低，此时这只麻雀正处于非常饥饿的状态，因此，它要飞到其它地方寻找食物以获得更多的能量；加入者的位置更新可表示为： 其中，Xp是发现者所占据的最优位置；A表示每一个元素都被随机赋值为1或-1的1×d的矩阵，且A+＝ATAAT-1； 在麻雀觅食的过程中，当有捕食者出现时，处于种群最外围的麻雀会先意识到危险的存在，当它们意识到危险时即当前麻雀个体的适应度值fi＞当前全局最佳适应度值fg时，这些群体最外围的麻雀会为了获得更好的觅食位置努力向安全区移动；当fi＝fg时，表明处于中间位置的麻雀意识到了危险，需要向安全区移动以减少它们被捕的风险；意识到危险的麻雀的位置更新可表示为： 其中，β为步长控制参数，K为一个随机数，取值范围为[-1,1]，ε为最小的常数； ⑥获得当前最优值，如果当前最优值比上一次的最优值好的话就进行更新操作，否则不进行更新，并继续进行迭代直到满足条件为止，最终得到全局最佳适应度值fg和对应的最优位置Xbest； ⑦根据Metropolis准则，对Xbest进行SAA邻域搜索产生一个新的可行解Xb'est，用于对原位置Xbest进行调整；因此，公式5与6变为如下形式； 在公式11中，fX’best是模拟退火阶段产生的新的全局最优位置的适应度值；为了便于理解这里用fXbest代替fg表示旧的全局最优位置的适应度值； SAA-SSA算法通过新旧全局最优位置对应适应度值的差值来调整对新位置的接受概率P，从而得到最终的全局最优位置，具体步骤为：先按公式11计算在X’best这个新位置上的麻雀的适应度值fX’best与旧位置的适应度值fXbest的差值Δfnew；接着按照公式10分情况接受新位置，如果Δfnew＜0则以概率1接受新位置，否则以概率exp-ΔfnewTk接受新位置，然后更新全局最优位置Xbest； ⑧根据公式4进行退火操作，判断是否超过最大迭代次数和种群规模，若是则输出最优位置Xbest和其对应的最佳适应度值，否则跳转至④； ⑨获取最优权值和阈值，并将其赋值给BP神经网络作为初始权值和阈值； ⑩训练神经网络；将预处理后的训练数据输入具有最优初始权值和阈值的BP神经网络模型中，计算BPNN隐含层和输出层的输出值，然后计算输出层的输出值与期望输出值之间的误差值，根据误差调整权值和阈值的大小使BPNN的输出值与期望输出值不断接近，直到迭代满足终止条件，此时训练完成，获得BPNN最终的最优权值和阈值； 步骤三：基于SAA-SSA-BPNN模型进行网络安全态势评估：将测试数据输入到训练完的具有最优权值和阈值的BPNN模型中，输出得到态势评估值，然后结合网络安全态势评估等级表来分析当前网络安全状况。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人郑州轻工业大学，其通讯地址为：450002 河南省郑州市高新区科学大道136号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。