基于模糊神经网络方法的信息系统安全风险评价研究
【图文】：
椋嘁治龊捅冉?种方法的精度，从而验证模糊神经网络模型在信息系统安全风险评价中的优越性。1BP神经网络模型BP神经网络即误差回传神经网络，是目前应用最广泛的神经网络模型之一。它是一种无反馈的前向网络，网络中的神经元分层排列［10］。BP神经网络能学习和存贮大量的输入－输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最校BP神经网络模型拓扑结构包括输入层、隐蔽层和输出层，如图1所示。图1BP神经网络模型拓扑结构Fig．1BPneuralnetworkmodeltopologystructure模糊BP神经网络是全部或部分采用模糊神经元所构成的一类可处理模糊信息的神经网络系统。将模糊理论与BP神经网络相结合，能够克服单独使用BP神经网络方法时的“黑箱”问题，使得整个评价过程具有较高的识别精度和很好的解释说服力。2模糊神经网络风险评价2．1模糊数据处理在进行神经网络计算之前，要对所有数据进行模糊处理。信息系统安全风险评价数据的模糊处理具体步骤如下:1)建立模糊集合。分别构造信息系统安全风险因素集U={u1，u2，…，un}和评判集V={v1，v2，…，vm}。2)建立隶属度矩阵R。专家对风险因素ui(i=1，2，…，n)进行概率评价，即确定每个风险因素的概率等级vi(i=1，2，…，m)，综合多位专家的评价结果，然后计算各风险因素ui对集合V中各指标的隶属度概率，得到隶属度矩阵R=(rij)m×n。3)为反映各个因素的重要程度，建立权重集，各因素相应的权重向量为W={w1，w2，…，wm}，则综合隶属度向量为Sj=∑ni=1rij×wj。综合隶属度可以作为模糊?
0)满足，则完成网络训练，否则转向步骤(2)，继续训练BP神经网络直到满足条件为止。2．3模糊神经网络风险评价过程利用模糊神经网络对信息系统安全风险进行评价的原理是，首先确定评价因素和评价等级标准，然后利用模糊集合变换原理，利用隶属度来描述各因素之间的模糊界限，构造模糊评价矩阵，将该矩阵作为BP神经网络的输入，然后经过BP神经网络处理，得到评估对象所属安全风险等级。安全风险等级:0～0.2为低，0.2～0.4为较低，0.4～0.6为中等，0.6～0.8为较高，0.8～1为高［11］。模糊神经网络风险评价过程如图2所示。图2模糊神经网络风险评价过程Fig．2Fuzzyneuralnetworkriskassessmentprocess3实例研究基于文献［9］提出的信息系统安全风险评价指标，为简化计算，提取其中的6个指标进行计算。它们分别是物理设备安全、通信安全、硬件安全、软件安全、环境安全和人员安全。基于这6个指标对15个样本的评价数据见表1。其中，数字1～5代表在该指标下信息系统安全风险程度。数字越大，风险越高。表1样本评价数据Table1Sampleevaluationdata样本物理设备安全通信安全硬件安全软件安全环境安全人员安全134534423212113324323423453452154446344443752455385444559455455102333331133344312233432131433211432112215122233·166·中国安全科学学报ChinaSafetyScienceJournal第22卷2012年
数;m表示输出层神经元数;α表示1～10之间的常数。3．2模糊神经网络模型训练计算输入层的输入向量(即隶属度矩阵，具体算法见3.1)，将15个样本中的8个作为训练样本，6个作为检测样本，1份作为预测的样本。对8个训练样本进行学习，直到误差EAV满足预先设定的要求时系统停止学习，此时的权值矩阵与阈值向量固定下来，成为系统内部知识［13］。在此设定学习速率为0.6，误差限制在0.001。运用Matlab软件对该风险评价神经网络模型进行学习训练，通过训练后，总体误差满足要求，此时EAV=0.000276193，训练样本误差如图3所示。图3训练样本误差Fig．3Trainingsampleerror从图3可以看出，目标误差是0.001，模型只训练了4次就将误差减小到0.001以下，因此，训练目的已经达到。3．3模糊神经网络模型检测将检验样本输入训练好的神经网络，检测样本网络输出结果与期望输出值基本相符合，见表2(从第9个样本开始)。这样一个用于信息系统安全风险评价的BP神经网络模型已经训练成功，可以用此模型对信息系统安全风险进行评价。将此结果和由神经网络及模糊数学得到的结果相比较，从表中可以看出此方法得到结果的精确度明显高于另外2种方法。预测样本各指标的评价数据模糊处理后见表3。将表3中的数值作为神经网络的输入值，运用己经训练好的神经网络模型进行评价，得出最终风险数值为0.69，根据3.3节的安全风险隶属等级，说明该系统存在较高的风险，需要对其采取相应的安全措施以避免安全事故的发生。表2计算结果Table2Calculationresults样本物理设备安全(0.1)通信安全(0.1)硬件安全(0.2)软件安全(0.1)环境安全(0.25)人员安全(0.25)期望值输出差值模糊方法神经网络模糊神经网络模糊
【参考文献】
相关期刊论文 前10条
1 楼文高;乔龙;;基于神经网络的金融风险预警模型及其实证研究[J];金融论坛;2011年11期
2 章文辉;杜百川;杨盈昀;;模糊层次分析法在广播电视信息安全保障评价指标体系中的应用研究[J];电子学报;2008年10期
3 赵俊阁;张琪;付钰;;贝叶斯网络推理在信息系统安全风险评估中的应用[J];海军工程大学学报;2007年06期
4 付钰;吴晓平;王甲生;;基于模糊-组合神经网络的信息系统安全风险评估[J];海军工程大学学报;2010年01期
5 王甲生;付钰;吴晓平;;基于改进FAHP法的信息系统安全风险评估[J];火力与指挥控制;2011年04期
6 申时凯;佘玉梅;;模糊神经网络在信息安全风险评估中的应用[J];计算机仿真;2011年10期
7 张益,陈淑燕,瞿高峰;信息系统安全风险的属性评估方法[J];数学的实践与认识;2005年03期
8 孙阳波;张明清;;基于Web的信息系统安全风险评估工具的设计[J];微计算机信息;2006年21期
9 李鹤田;刘云;何德全;;信息系统安全风险评估研究综述疆[J];中国安全科学学报;2006年01期
10 邹白茹;李聪;蒋云霞;;网络环境下重要信息系统安全体系结构的研究[J];中国安全科学学报;2010年01期
【共引文献】
相关期刊论文 前10条
1 邓亚超;陈彪;;模糊神经网络在火灾探测系统中的应用[J];安防科技;2012年03期
2 张师玲;李正明;周新云;孙俊;张兵;;基于改进神经网络的农村电力系统短期负荷预测[J];安徽农业科学;2009年30期
3 毕卫华;谭晓慧;侯晓亮;王伟;;基于RBF神经网络的边坡稳定可靠度分析[J];地下空间与工程学报;2010年02期
4 张锐;杨宣访;;基于改进BP神经网络的模拟电路故障诊断研究[J];兵工自动化;2009年09期
5 郭德勇;王仪斌;卫修君;王新义;;基于地理信息系统和神经网络的煤与瓦斯突出预警[J];北京科技大学学报;2009年01期
6 沈广泽;司峻峰;宁新宝;;一种用于脑机接口的模式识别方法[J];北京生物医学工程;2007年06期
7 张强;许少华;刘丽杰;凌力;;基于遗传—模拟退火算法的过程神经网络的训练及应用[J];长春理工大学学报(自然科学版);2009年01期
8 张奎;屈宝存;杨艳;郎宪明;;神经模糊理论在模糊建模中的应用[J];长春理工大学学报(自然科学版);2010年02期
9 谷秀芝;陈洪凯;刘厚成;;泥石流危险性SIGA-BP神经网络评价方法及应用[J];重庆交通大学学报(自然科学版);2010年01期
10 李雪;陆百川;李政;;RFID系统多阅读器防碰撞问题研究[J];重庆交通大学学报(自然科学版);2012年03期
相关会议论文 前10条
1 苏俊杰;钟秋海;许继平;;基于自适应遗传算法的径向基函数网络的呼吸周期预测研究[A];第二十九届中国控制会议论文集[C];2010年
2 张文广;史贤俊;肖支才;李新;;基于RBF神经网络的导弹舵机系统故障检测[A];第二十九届中国控制会议论文集[C];2010年
3 张文广;史贤俊;廖剑;李新;;RBF神经网络在惯导系统传递对准中的应用[A];中国自动化学会控制理论专业委员会C卷[C];2011年
4 薛志强;李毅;曹燕;;改进的BP神经网络在模拟电路故障诊断中的应用研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
5 刘东卓;;改进的小波神经网络TLS-ESPRIT算法[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年
6 李雷;陈彭年;;基于遗传神经网络的红外测温仪补偿器设计[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年
7 叶德谦;刘波;;一种改进的遗传神经网络及其在股市中的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年
8 李来强;王树林;;模拟退火改进的神经网络算法及其在振动分析中的应用[A];颗粒学前沿问题研讨会——暨第九届全国颗粒制备与处理研讨会论文集[C];2009年
9 谭伟聪;蒋金良;;基于确定性退火方法的RBF模型在短期负荷预测中的应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年
10 张文广;周绍磊;史贤俊;李新;;基于改进遗传算法的RBF神经网络及应用[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年
相关博士学位论文 前10条
1 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
2 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
3 丁文荣;云南省盘龙河流域河流悬移质输移变化及其对环境变化的响应[D];昆明理工大学;2008年
4 高贯斌;关节臂式坐标测量机自标定方法与误差补偿研究[D];浙江大学;2010年
5 迟雷;基于过程控制优化的重组大肠杆菌高密度发酵研究[D];西北大学;2011年
6 胡毅;关节式坐标测量机热变形误差建模及修正研究[D];合肥工业大学;2011年
7 蒋玲莉;基于核方法的旋转机械故障诊断技术与模式分析方法研究[D];中南大学;2010年
8 楼海军;国际EPC水泥工程风险管理研究[D];武汉理工大学;2011年
9 景云;不确定条件下编组站调度系统配流模型及算法研究[D];西南交通大学;2010年
10 彭光金;小样本工程造价数据的智能学习方法及其在输变电工程中的应用研究[D];重庆大学;2010年
相关硕士学位论文 前10条
1 吴家瑞;服装产品加工成本快速估算方法研究[D];浙江理工大学;2010年
2 张娓娓;焦炭生产过程质量模型建模方法研究[D];郑州大学;2010年
3 郭洋;基于嵌入式零树图像压缩编码方法研究[D];哈尔滨工程大学;2010年
4 辛贵州;无人飞行器航迹规划算法研究[D];哈尔滨工程大学;2010年
5 杨克强;LVQ神经网络在齿轮箱故障诊断中的研究[D];安徽农业大学;2010年
6 陈巍;基于模拟退火的Hopfield网的研究[D];辽宁工程技术大学;2010年
7 夏青青;道路交通安全事故成因及预测模型研究[D];长沙理工大学;2010年
8 胡波;基于模糊RBF神经网络的人脸识别系统研究[D];长沙理工大学;2010年
9 刘艳慧;决策支持在能源管理系统中的应用与研究[D];河南理工大学;2010年
10 张文;河南省旅行社人力资源危机预警模型研究[D];河南理工大学;2010年
【二级参考文献】
相关期刊论文 前10条
1 程乾生;属性识别理论模型及其应用[J];北京大学学报(自然科学版);1997年01期
2 王朗;一个信息安全保障体系模型的研究和设计[J];北京师范大学学报(自然科学版);2004年01期
3 胡燕京,高会丽,徐建锋;BP人工神经网络:金融风险预警新视角[J];重庆工商大学学报.西部经济论坛;2003年01期
4 刘宝柱;朱涛;于继来;;电力系统电压态势预警等级的多级模糊综合评判[J];电网技术;2005年24期
5 章文辉;杜百川;杨盈昀;;模糊层次分析法在广播电视信息安全保障评价指标体系中的应用研究[J];电子学报;2008年10期
6 刘传哲,张丽哲;金融危机预警系统及其实证研究[J];系统工程;1999年05期
7 钱钢,达庆利;基于系统安全工程能力成熟模型的信息系统风险评估[J];管理工程学报;2001年04期
8 陈亮;;信息系统安全风险评估模型研究[J];中国人民公安大学学报(自然科学版);2007年04期
9 舒军龙,潘仲麟;属性识别理论模型二级评判法在城市总体环境质量评价中的运用[J];环境工程;1999年01期
10 赵俊阁;张琪;付钰;;贝叶斯网络推理在信息系统安全风险评估中的应用[J];海军工程大学学报;2007年06期
相关硕士学位论文 前3条
1 邱隆敏;我国金融危机的预警研究——基于人工神经网络模型的分析[D];暨南大学;2004年
2 饶勋乾;中国金融风险预警系统的实证研究[D];中南民族大学;2008年
3 张晓娜;基于AHP-ANN模型我国金融安全预警体系研究[D];南京航空航天大学;2008年
【相似文献】
相关期刊论文 前10条
1 洪伟民;朱志伟;;基于模糊AHP的国际工程项目投标风险评价[J];煤炭工程;2008年04期
2 肖楠;张巍;;绿色施工方案策划中的风险识别与风险评价[J];价值工程;2008年07期
3 李凌峰;刘云;廖锐全;姚安林;肖峰;;油气集输联合站设备风险模糊综合评价模型[J];管道技术与设备;2008年04期
4 隋楠;魏立新;隋溪;韩冬;;城市燃气管网风险评价体系研究[J];油气储运;2010年01期
5 李胜涛;蔡五田;张敏;刘雪松;张超宇;;我国土壤污染风险评价的研究进展[J];黑龙江水专学报;2010年02期
6 刘志全,石利利;英国的污染土地风险管理与修复技术[J];环境保护;2005年10期
7 金冬梅;张继权;韩俊山;;吉林省城市干旱缺水风险评价体系与模型研究[J];自然灾害学报;2005年06期
8 吴建发;熊燕莉;孔玲;马e
本文编号：2748592
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/2748592.html
