基于因子分析和神经网络信息风险评估系统设计
发布时间：2021-08-23 11:43
针对传统信息风险评估系统设计评估准确度较低的问题,设计基于因子分析和神经网络的信息风险评估系统。该系统设计在原有硬件构成的基础上,将微处理器与控制器相连接,形成管控中心,利用寄存器组、直接存储器、定时器等构成控制器群组,构成新的评估系统组织结构。基于因子分析设置信号连续采集和定时采集程序,确定神经网络中信号所处位置节点,计算评估差异参数,对信息进行风险评估等价划分,至此该系统设计完成。实验结果表明,在微型处理器的管控下,设计的信息风险评估系统评估准确度比传统设计高出6.44%,符合实际需求。
【文章来源】：现代电子技术. 2020,43(04)北大核心
【文章页数】：4 页
【部分图文】：
系统硬件结构
针对因子分析和神经网络的多样性，设计信息风险评估系统中的微处理器。该处理器型号[4]为S3C2416XH-40，内核为ARM926EJ，主频高达400 MHz。ARM926EJ内核采用5级流水线，由ARM7TDMI、储存单元、高速缓存单元组成[5]。其中，储存单元可以对虚拟内存进行管理；缓存单元由16 KB指令和16 KB数据缓存构成，且具有8字行长度。ARM926EJ中含有2个内部处理器，分别为C14,C15。2个内部处理器的作用分别是进行调试控制、系统储存控制和测试控制。S3C2416XH-40处理器的内部结构如图2所示。该微型处理器内部选用新型总线体系结构，这一结构中包含外围总线以及系统总线，利用桥接器将其与控制器相连接。S3C2416XH-40处理器的集成功能十分强大，主要包括：1.8 V内核供电，3.3 V储存模块供电；LCD支持触摸屏显示主板；4通道的直接存储存取器，3通道的异步收发传输器，2通道的外围接口，1通道的多主机总线，1通道的总线控制器；2通道的主机接口，1通道的设备接口，同时还包含4通道的定时器以及1个看门狗定时器。该处理器含有117个输入与输出端口，24个中断源，支持空闲、慢速、匀速和掉电4种工作模式，最大转换速率为550 KSPS，支持片上采集保持[6]。
信息数据采集完成后，基于神经网络设置信息风险评估系统结构，先进行网络层数确定。由于当前的神经网络为了提高处理非线性问题的能力，包含多个隐藏的网络层，致使其结构复杂，网络层数庞大，因此明确神经网络的层数至关重要。同时利用“试凑法”明确神经网络中隐藏层的节点数量，神经元个数，以此确定评估范围[10]。在此基础上，设计信息风险评估系统。该系统主要利用云模型进行风险评价，根据式（1）的计算结果，该模型的计算表达式：
【参考文献】：
期刊论文
[1]基于量子门线路神经网络的信息安全风险评估[J]. 周超,潘平,黄亮. 计算机工程. 2018(12)
[2]基于FAHP和攻击树的信息系统安全风险评估[J]. 任秋洁,潘刚,白永强,米士超. 电子技术应用. 2018(08)
[3]基于因子分析和BP神经网络的地铁盾构施工成本风险分析[J]. 陶洋,顾伟红. 科学技术与工程. 2018(14)
[4]物联网环境下不协调目标信息脆弱性风险评估系统[J]. 陶振文,张俊锋. 科学技术与工程. 2018(09)
[5]空间信息技术和大数据技术在登革热风险评估系统中的应用[J]. 曲玉冰,李仁东,庄大方,王勇. 中华疾病控制杂志. 2017(11)
[6]PMU不充裕条件下电力系统的风险评估[J]. 李海英,沈澍东,孙伟卿. 电力系统及其自动化学报. 2017(09)
[7]特高压输电线路工程造价预测模型研究——基于因子分析及BP神经网络[J]. 徐莉,李卓然. 工业技术经济. 2017(07)
[8]物联网系统安全威胁和风险评估[J]. 赵健,王瑞,李正民,雷敏,马敏耀. 北京邮电大学学报. 2017(S1)
[9]智能电网信息通信系统风险评估的模糊测度方法[J]. 崔力民,李刚,王天军,石江红,宋雨. 电力建设. 2017(05)
[10]高速铁路接触网系统风险评估与维修计划优化[J]. 刘琛,陈民武,宋雅琳,刘洋,王耀午. 铁道科学与工程学报. 2017(02)
本文编号：3357799
【文章来源】：现代电子技术. 2020,43(04)北大核心
【文章页数】：4 页
【部分图文】：
系统硬件结构
针对因子分析和神经网络的多样性，设计信息风险评估系统中的微处理器。该处理器型号[4]为S3C2416XH-40，内核为ARM926EJ，主频高达400 MHz。ARM926EJ内核采用5级流水线，由ARM7TDMI、储存单元、高速缓存单元组成[5]。其中，储存单元可以对虚拟内存进行管理；缓存单元由16 KB指令和16 KB数据缓存构成，且具有8字行长度。ARM926EJ中含有2个内部处理器，分别为C14,C15。2个内部处理器的作用分别是进行调试控制、系统储存控制和测试控制。S3C2416XH-40处理器的内部结构如图2所示。该微型处理器内部选用新型总线体系结构，这一结构中包含外围总线以及系统总线，利用桥接器将其与控制器相连接。S3C2416XH-40处理器的集成功能十分强大，主要包括：1.8 V内核供电，3.3 V储存模块供电；LCD支持触摸屏显示主板；4通道的直接存储存取器，3通道的异步收发传输器，2通道的外围接口，1通道的多主机总线，1通道的总线控制器；2通道的主机接口，1通道的设备接口，同时还包含4通道的定时器以及1个看门狗定时器。该处理器含有117个输入与输出端口，24个中断源，支持空闲、慢速、匀速和掉电4种工作模式，最大转换速率为550 KSPS，支持片上采集保持[6]。
信息数据采集完成后，基于神经网络设置信息风险评估系统结构，先进行网络层数确定。由于当前的神经网络为了提高处理非线性问题的能力，包含多个隐藏的网络层，致使其结构复杂，网络层数庞大，因此明确神经网络的层数至关重要。同时利用“试凑法”明确神经网络中隐藏层的节点数量，神经元个数，以此确定评估范围[10]。在此基础上，设计信息风险评估系统。该系统主要利用云模型进行风险评价，根据式（1）的计算结果，该模型的计算表达式：
【参考文献】：
期刊论文
[1]基于量子门线路神经网络的信息安全风险评估[J]. 周超,潘平,黄亮. 计算机工程. 2018(12)
[2]基于FAHP和攻击树的信息系统安全风险评估[J]. 任秋洁,潘刚,白永强,米士超. 电子技术应用. 2018(08)
[3]基于因子分析和BP神经网络的地铁盾构施工成本风险分析[J]. 陶洋,顾伟红. 科学技术与工程. 2018(14)
[4]物联网环境下不协调目标信息脆弱性风险评估系统[J]. 陶振文,张俊锋. 科学技术与工程. 2018(09)
[5]空间信息技术和大数据技术在登革热风险评估系统中的应用[J]. 曲玉冰,李仁东,庄大方,王勇. 中华疾病控制杂志. 2017(11)
[6]PMU不充裕条件下电力系统的风险评估[J]. 李海英,沈澍东,孙伟卿. 电力系统及其自动化学报. 2017(09)
[7]特高压输电线路工程造价预测模型研究——基于因子分析及BP神经网络[J]. 徐莉,李卓然. 工业技术经济. 2017(07)
[8]物联网系统安全威胁和风险评估[J]. 赵健,王瑞,李正民,雷敏,马敏耀. 北京邮电大学学报. 2017(S1)
[9]智能电网信息通信系统风险评估的模糊测度方法[J]. 崔力民,李刚,王天军,石江红,宋雨. 电力建设. 2017(05)
[10]高速铁路接触网系统风险评估与维修计划优化[J]. 刘琛,陈民武,宋雅琳,刘洋,王耀午. 铁道科学与工程学报. 2017(02)
本文编号：3357799
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3357799.html
