改进RBF 模型的医院网络异常信息入侵意图预测

打开文本图片集

摘要： 由于在医院网络异常信息入侵意图预测过程中， 没有对医院网络数据降维处理， 导致预测时间较长、预测准确率较低， 为此提出基于改进RBF（Radical Basis Function）模型的医院网络异常信息入侵意图预测算法。通过相关性分析去除医院网络数据冗余并排序， 采用RBF 多层神经网络对排序后的数据属性进行选择， 完成医院网络数据降维处理; 根据数据预处理结果， 构建贝叶斯攻击图， 获取网络潜在入侵攻击路径; 在该路径中计算警报关联强度， 提取入侵警报证据数据， 通过警报证据的监测判断信息入侵概率， 获得医院网络的异常信息入侵意图的预测结果。（剩余305字）