基于AHP和BP的信息安全风险评估研究

发布时间：2017-04-12 23:16

  本文关键词：基于AHP和BP的信息安全风险评估研究，，由笔耕文化传播整理发布。

【摘要】：随着信息科技的发展和人类需求的扩张,国家、社会和人们对信息系统的依赖程度越来越深。保障信息系统安全是新形势下必须要正视的重要问题。信息安全风险评估对保障信息系统正常运行至关重要,而选择科学合理的风险评估方法是进行高效、科学的信息安全风险评估的首要任务,就目前的风险评估方法而言,在采用定性分析的基础上再次使用定量对其综合,将二者进行有机结合的方法得到了广泛应用。越来越多的大众认识到信息安全风险评估是保证信息系统安全、建立信息系统保护架构不可或缺的步骤。通过比较本文中选取的风险评估方法层次分析法和BP神经网络,得出所选方法在实际信息安全风险评估过程中存在的不足。针对于此,在风险因素识别阶段提出基于改进层次分析法的风险因素识别方法和在风险值确立阶段提出粒子群优化的主元神经网络信息安全风险评估方法,并通过仿真实验对改进后的方法进行验证。首先针对层次分析法在风险评估中存在的缺点,在判断矩阵构造过程中引入故障树分析法中结构重要度的概念,并结合模糊综合评判,从判断矩阵构造、一致性检验、确立风险等级三个方面对其进行改进,改进后的方法在风险因素识别中较原来的方法具有明显的优势,能对风险因素充分识别、划分等级。在此基础上,采用粒子群优化算法优化主元神经网络初始参数,克服网络对初始值依赖性强、学习速率慢、宜陷入局部极小值等缺点,并建立基于粒子群优化主元神经网络的信息安全风险评估模型,通过与基于BP神经网络的信息安全风险评估方法进行对比分析,发现改进后的方法在风险值预测的准确度上有明显提高,且迭代次数减少。
【关键词】：信息安全风险评估 层次分析法 粒子群优化 主元神经网络
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP309
【目录】：

• 摘要6-7
• Abstract7-12
• 第1章 绪论12-19
• 1.1 信息安全风险评估研究背景及意义12-13
• 1.2 信息安全风险评估国内外研究现状13-16
• 1.2.1 信息安全风险评估国外研究现状13-15
• 1.2.2 信息安全风险国内研究现状15-16
• 1.3 论文的主要研究内容与论文结构16-18
• 1.3.1 研究内容16-17
• 1.3.2 论文结构17-18
• 1.4 本章小结18-19
• 第2章 信息安全风险评估理论及标准19-27
• 2.1 信息安全风险评估模型19-21
• 2.1.1 基于风险要素的风险评估模型19
• 2.1.2 ISO 15408信息安全风险评估模型19-20
• 2.1.3 GB/T 20984-2007信息安全风险评估模型20-21
• 2.2 信息安全风险评估过程21-24
• 2.2.1 风险评估基本步骤21-22
• 2.2.2 风险评估基本流程22-24
• 2.3 风险评估的相关标准24-25
• 2.3.1 国外信息安全风险评估标准24
• 2.3.2 国内信息安全风险评估标准24-25
• 2.4 信息安全风险评估方法25-26
• 2.5 本章小结26-27
• 第3章 基于改进层次分析法的风险因素识别27-41
• 3.1 风险因素分类及等级划分27-31
• 3.1.1 资产分类及等级划分27-29
• 3.1.2 威胁及等级划分29-30
• 3.1.3 脆弱性及等级划分30-31
• 3.2 层次分析法31-36
• 3.2.1 AHP实现步骤31-34
• 3.2.2 AHP的不足34
• 3.2.3 故障树分析法34-35
• 3.2.4 信息安全风险评估模糊综合评价法35-36
• 3.3 AHP改进方案36-40
• 3.3.1 判断矩阵的构造37-38
• 3.3.2 一致性检验38
• 3.3.3 确立风险等级38-40
• 3.4 本章小结40-41
• 第4章 粒子群优化主元神经网络的信息安全风险评估41-48
• 4.1 主元神经网络预测模型41-42
• 4.2 主成分分析42-44
• 4.2.1 主成分分析的几何意义42-43
• 4.2.2 主成分分析的数学模型43-44
• 4.3 BP神经网络44-45
• 4.4 粒子群优化主元神经网络算法45-47
• 4.4.1 PSO优化主元神经网络原理及步骤45-46
• 4.4.2 PSO优化主元神经网络流程图46-47
• 4.5 本章小结47-48
• 第5章 信息安全风险评估实例分析和仿真实验48-57
• 5.1 改进AHP在风险因素识别中的应用48-53
• 5.1.1 改进AHP与AHP的比较48-50
• 5.1.2 改进AHP与FTA的比较50-51
• 5.1.3 改进AHP与AHP、FTA的结果分析51-53
• 5.2 PSO优化主元神经网络的信息安全风险评估仿真实验53-56
• 5.2.1 数据样本的选取53
• 5.2.2 PSO优化主元神经网络模型的建立53-55
• 5.2.3 仿真实验结果55-56
• 5.3 本章小结56-57
• 总结57-59
• 致谢59-60
• 参考文献60-64
• 作者简介64-65
• 攻读硕士期间发表的论文和科研成果65-66

【参考文献】

中国期刊全文数据库 前10条

1 姜茸;杨明;;云计算安全风险研究[J];计算机技术与发展;2014年03期

2 赵刚;吴天水;;结合灰色网络威胁分析的信息安全风险评估[J];清华大学学报(自然科学版);2013年12期

3 王泽平;;基于GA-BP与多隐层BP网络模型的水质预测及比较分析[J];水资源与水工程学报;2013年03期

4 李成龙;张景发;;基于主成分分析的遥感震害变化检测方法与应用[J];地震;2013年02期

5 张利;彭建芬;杜宇鸽;王庆;;信息安全风险评估的综合评估方法综述[J];清华大学学报(自然科学版);2012年10期

6 马丽仪;张露凡;杨宜;范蓓;;基于模糊神经网络方法的信息系统安全风险评价研究[J];中国安全科学学报;2012年05期

7 马修元;段钰锋;刘猛;李华锋;;基于PSO-BP神经网络的水焦浆管道压降预测[J];中国电机工程学报;2012年05期

8 郑雷雷;宋丽华;郭锐;张建成;;故障树分析法在信息安全风险评估中的应用[J];计算机科学;2011年S1期

9 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

10 阮慧;党德鹏;;基于RBF模糊神经网络的信息安全风险评估[J];计算机工程与设计;2011年06期

中国博士学位论文全文数据库 前1条

1 赵冬梅;信息安全风险评估量化方法研究[D];西安电子科技大学;2007年

中国硕士学位论文全文数据库 前10条

1 曲兆岭;民航机场运行指挥系统信息安全风险评估研究[D];中国民用航空飞行学院;2014年

2 黄成胜;基于有向图和故障树的电网故障分层溯因分析[D];西南交通大学;2014年

3 陈佩;主成分分析法研究及其在特征提取中的应用[D];陕西师范大学;2014年

4 肖艳;基于遥感与GIS东北界河地区生态环境质量评价[D];吉林大学;2014年

5 刘忻;基于动态威胁值与故障树的信息安全风险评估模型研究[D];兰州大学;2014年

6 顾文强;信息系统安全风险评估方法的应用研究[D];江南大学;2013年

7 刘景力;信息物理系统风险评估分析与设计[D];北京邮电大学;2013年

8 马雪;信息系统安全评估模型的研究[D];大连海事大学;2013年

9 周丽;基于模糊灰色关联分析的信息安全风险评估模型研究[D];西南大学;2013年

10 赵菲菲;基于模糊综合评价的餐饮企业团购网站选择研究[D];东北财经大学;2012年

  本文关键词：基于AHP和BP的信息安全风险评估研究，由笔耕文化传播整理发布。

本文编号：302287