杨晓翠 刘汝涛 徐韶

【摘要】 计算机网络安全评价是在保障网络信息安全中的一个重要过程。针对BP神经网络技术在对网络安全进行时存在的收敛速度慢、不易获得全局最优解、诊断精度低以及网络结构不确定等缺点，而人工鱼群算法具有较优的全局收敛能力及较快的寻优速度。因此，本文利用人工鱼群算法对BP神经网络的初始权值和阈值进行了优化，建立了一种新的计算机网络安全评价模型，并将该模型应用到具体的网络安全评价实例中。结果表明，人工鱼群神经网络算法具有收敛速度快及泛化能力强的优点，为计算机网络安全评价提供一种高效、准确及可靠的方法。

【关键字】 网络安全 神经网络 鱼群算法 评价

目前应用较广泛的BP神经网络评价算法存在着网络参数难确定、收敛速度较慢且易陷入极小值等问题。为了解决上述问题，本文应用鱼群算法对BP神经网络进行了改进，结合网络安全评价实例进行了测试，并将测试数据与标准BP神经网络进行了比较与分析，取得了理想的结果。

一、基本BP神经网络算法

BP神经网络算法是一种采用误差反向传播的多层前馈感知器。其特点是具有分布式的信息存储方式，能进行大规模并行处理，并具有较强的自学习及自适应能力。BP网络由输入层（感知单元）、计算层（隐藏层）、输出层三部分组成。输入层神经元首先将输入信息向前传递至隐含层节点，经过激活函数预处理后，隐层节点再将输出信息传送至输出层得到结果输出。……