基于量子神经网络理论的信息系统安全风险评估方法研究

发布时间：2020-07-24 20:58

【摘要】：信息安全风险评估是对不确定、随机的潜在风险进行综合评价的过程,可以明确系统的安全现状以及主要的安全风险,为信息系统安全提供有效的保障。然而,现有的评估方法存在诸多的局限性,一方面传统评估方法是确定性的算法和模型,对于不确定性的安全风险度量存在较大难度;另一方面,随着信息系统业务功能的开放化和复杂化,评估计算的非线性与复杂性也随之增加。量子信息理论是量子物理学与信息论相融合的新兴交叉学科,利用量子的或然性以及并行计算优势,能够有效解决不确定性问题。而神经网络所具有自学习与自适应的智能特性,适用于非线性问题的处理。因此,论文探索了量子神经网络算法在信息安全风险评估的应用,研究工作可以归纳为如下两个方面:1.探索了一种基于量子门线路神经网络的信息安全风险评估方法。首先,在分析信息安全特性与保障体系的基础上,以加强风险评估脆弱性要素分析为目标,构建了基于信息资产的风险评估指标模型。然后,通过一组量子门线路构建量子神经网络模型,利用量子旋转门控制相位的偏转与量子位翻转,并将其应用于风险评估计算得到综合风险值。最后,通过实验仿真验证方法的有效性与可靠性,并与BP神经网络进行对比实验,表明了量子门线路神经网络在收敛性能与风险预测方面具有一定优势。2.探索了一种基于量子自组织特征映射(quantum self-organizing feature map,QSOFM)网络的信息安全风险评估方法。首先,根据所构建的风险评价体系及ALARP原则,将安全风险划分为可容忍风险与不可容忍风险。然后,将量子神经元模型与自组织特征映射网络模型相结合,构建QSOFM神经网络模型,并将其应用于风险评估计算得到评估样本分类结果。最后,通过实验仿真验证方法的有效性与可靠性,并与自组织特征映射网络进行对比实验,表明了QSOFM神经网络在评估样本分类正确率与运算时间方面具有一定优势。
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;TP309;O413

【参考文献】