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！

申请/专利权人：湖南大学

摘要：基于指针网络与遗传算法的安全测试路由节点网络边选择方法，包括步骤S1，构建路由节点网络数据模型；步骤S2，路由节点网络边的重要性评估与筛选：基于网络拓扑结构和节点属性，采用边平均度、边介数、边贡献度多指标衡量边的重要性，筛选出一批重要边作为测试对象候选集合；步骤S3，将经步骤S2初步筛选过的重要边集合输入指针网络模型中，综合考虑节点重要性和测试成本，生成多组性价比最高的边组合，作为初始测试方案；步骤S4，将经步骤S3中指针网络模型生成的初始测试方案作为初始种群，基于遗传算法进行迭代优化，生成评估值最优且符合流量约束的路由节点网络边组合，作为最终测试方案。本发明可以降低计算复杂度并提高求解效率。

主权项：1.基于指针网络与遗传算法的安全测试路由节点网络边选择方法，其特征在于，包括：步骤S1，构建路由节点网络数据模型；步骤S2，路由节点网络边的重要性评估与筛选：基于网络拓扑结构和节点属性，采用边平均度、边介数、边贡献度多指标衡量边的重要性，筛选出一批重要边作为测试对象候选集合；步骤S3，将经步骤S2初步筛选过的重要边集合输入指针网络模型中，综合考虑节点重要性和测试成本，生成多组性价比最高的边组合，作为初始测试方案，具体包括：S301，指针网络预训练：包括生成训练数据集、初始化模块、加载数据模块、生成指针网络模型、训练网络、模型评估；生成的指针网络模型包括嵌入层、注意力机制、输出层，模型的输入为3行N列的矩阵，为N条边的3个属性；输出为一个行列均为N+1的矩阵，去掉第一列最后一行后，能够指向被选中的边的组合；在进行网络的训练时，通过反向传播算法更新网络权重，对于每个训练样本，网络计算各条边的选择概率并通过损失函数评估误差，更新权重以最小化损失；S302，输入数据处理：将各条路由节点网络边的带宽视为测试成本，边的重要程度视为收益，对重要边集合数据的带宽属性进行处理，形成如下输入数据格式的重要边集合： （22）式中，表示作为指针网络输入数据的重要边集合；，N为重要边集合内边的数量；表示边；为该条边在初始边集合内的序号；表示该条边的负荷；表示该条边的重要程度数值；为总测试资源流量；指针网络的输入序列则表示为，其中，重要边集合中包含N个边，输入序列为长度为3行N列的矩阵，得到预处理过后的重要边数据之后，以列为单位采用Fisher-Yatesshuffle算法对输入顺序进行打乱操作，获得多组指针网络输入数据；S303，指针网络进行测试方案选择：1）将经S302处理后的指针网络输入数据输入到已经预训练完毕的指针网络中，生成多个输出序列为一个行列数都为N+1的矩阵： （23）式中，矩阵为每一次输出时对于整个输入序列的注意力矩阵softmax之后的01矩阵，该矩阵的第一列和最后一行用于表示停止，右上角的矩阵用于表示从1到N的边是否被选中；对于i=1，2...，N，j=2，3，...，N+1的部分： （24）对于j=1的部分： （25）对于i=N+1的部分： （26）2）矩阵去除第一列及最后一行后，依次读取每一行中唯一一个1值所对应的输入位置索引，添加至指针中进行输出，得到一列包含N个输入位置索引的指针数列，根据指针数据，对输入序列进行提取，获得被选中的边的组合；3）将矩阵的第一列去掉，对剩余的矩阵进行按列取最大值的操作，得到一个1行N列的矩阵，表示每个边是否被选中，将该1行N列的矩阵拼接到输入数据矩阵的上方，形成最终如下输出数据格式的输出矩阵： （27）式中，表示是否选择，为0或者1；S304，测试方案变异处理：将指针算法输出指针网络层直接加载输入数据集上，得到一组边的集合，作为安全测试的目标边集合，其结构为： （28）式中，表示安全测试的为目标边集合；对于每条待测试边集合中的边，以随机概率进行变异，对于每一条边取随机数，取值范围，如果，则该条边属性不变，如，则反转该条边的选中状态，对进行01反转；S305，测试方案排列处理：将经S304处理的测试边集合按照从小到大顺序排列，在给定流量资源限制下，输出多组边组合，作为初始测试方案；步骤S4，将经步骤S3中指针网络模型生成的初始测试方案作为初始种群，基于遗传算法进行迭代优化，生成评估值最优且符合流量约束的路由节点网络边组合，作为最终测试方案。

全文数据：

权利要求：

百度查询： 湖南大学 基于指针网络与遗传算法的安全测试路由节点网络边选择方法