導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 綜合安全論文>>正文

基于證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險組合評估方法

文檔作者：劉勇生文檔來源：東莞理工學(xué)院		點擊數(shù)：	更新時間： 2022年04月27日
下載地址：點擊這里	文件大?。?390.50 KB 共4頁	文檔格式： PDF	下載點數(shù)： 1 點（VIP免費）

全屏查看

內(nèi)容預(yù)覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大?。?90.50 KB 共4頁文件格式：PDF 下載點數(shù)：1 點（VIP會員免費）

下一篇：基于生命周期理論的安全漏洞時間風(fēng)險研究

上一篇： WIFI協(xié)議安全性分析研究

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

第29卷第1期計算機仿真2012年1月
文章編號：1006—9348(2012)Ol一0106一04
基于證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險組合評估方法
劉勇生
(東莞理工學(xué)院，廣東東莞523000)
摘要：研究網(wǎng)絡(luò)安全風(fēng)險評估問題，網(wǎng)絡(luò)安全風(fēng)險具有時變性和非線性等特點，采用單一的方法難對其進行準(zhǔn)確評估，為提
高網(wǎng)絡(luò)安全評估準(zhǔn)確率，提出一種證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險評估算法。首先采用層次分析對網(wǎng)絡(luò)評估指標(biāo)體系權(quán)重值確
定，然后采用支持向量機和BP神經(jīng)網(wǎng)絡(luò)對網(wǎng)絡(luò)安全風(fēng)險進行評估，最后采用證據(jù)理論對兩者的評估結(jié)果進行融合．獲得網(wǎng)
絡(luò)安全風(fēng)險最終評估結(jié)果。通過網(wǎng)絡(luò)安全數(shù)據(jù)集進行仿真，結(jié)果表明，組合方法充分利用支持向量機和BP神經(jīng)網(wǎng)絡(luò)的優(yōu)
點，能夠全面反映網(wǎng)絡(luò)安全狀態(tài)，提高了網(wǎng)絡(luò)安全風(fēng)險評估的準(zhǔn)確率，評估結(jié)果更加可靠，便于采取相應(yīng)的安全防范措施，可
以最大限度的降低網(wǎng)絡(luò)風(fēng)險帶來的經(jīng)濟損失。
關(guān)鍵詞：證據(jù)理論；支持向量機；神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)安全；風(fēng)險評估
中圖分類號：TP391 文獻標(biāo)識碼：A
Simlllation on Network Security砒sk EValuation Algoritl肌
LIU Yong—sheng
(Dongguan Universily of Technology，Don陽Jan Guangdong 523000，China)
ABSTRACT：Research about network safety r主sk assessment problem．Network secuIity Tisk has the characteristics of
dyn砌ic and nonlinear，and a sinde method is dimcult go get accurate evaluation results．In order to impmve the net—
work security evaluation accuracy，an evaluation a190血hm 0f network security risk w弱proI)osed b鵲ed on evidence
theory． Firsny，the network evaluation index system was built，the weights were got by hierarchical analysis，and
then support vector machine and BP neuml network were used to evaluate for network security risk．L皓tly，me evalu—
ation results were obtained by evidence tIleory． Simulation experiments were c捌ed out on the network security data．
set．The experimental results show that tIle proposed algorithm improves the accuracy of network safety risk evaluation
and the results are more reliable． It can reducing the economic losses bought by the network risk．
KEYWoRDS：DS；SVM；NN；Network security；Risk evaluation
1 引言
隨著網(wǎng)絡(luò)技術(shù)的不斷進步．網(wǎng)絡(luò)已經(jīng)應(yīng)用于各個領(lǐng)域．
然而網(wǎng)絡(luò)安全與資源共享是一個矛盾體．網(wǎng)絡(luò)具有無國界
性，給人們帶來便利同時，同時帶來了巨大的風(fēng)險，因此網(wǎng)絡(luò)
信息安全成為人們關(guān)注的焦點?。網(wǎng)絡(luò)安全風(fēng)險評估是保
證網(wǎng)絡(luò)安全的基礎(chǔ)和前提，因此如何對網(wǎng)絡(luò)存在的安全風(fēng)險
進行準(zhǔn)確的評估。有利于采取相應(yīng)的防范措施。最大限度的
降低網(wǎng)絡(luò)風(fēng)險帶來的經(jīng)濟損失，成為網(wǎng)絡(luò)安全研究領(lǐng)域研究
中的一個重要課題心J。
近年來，國內(nèi)外研究小組和專家學(xué)者對網(wǎng)絡(luò)安全風(fēng)險評
估問題進行相關(guān)研究，提出了許多網(wǎng)絡(luò)安全風(fēng)險評估方法，
主要有事件樹分析法[3】、層次分析法[4]、故障樹分析法[5]、模
糊綜合評判法以及最近出現(xiàn)的神經(jīng)網(wǎng)絡(luò)評估方法[6]。事件
收稿日期：201l—02—10修回日期：201l—04一04
—106一
樹分析法只能對網(wǎng)絡(luò)安全風(fēng)險進行粗略的評估．結(jié)果不太可
靠。故障樹分析法很難對風(fēng)險評估指進行量化，計算過程復(fù)
雜，實用性差。層次分析法的評估結(jié)果主觀性較強．且對評
估者的素質(zhì)要求較高，因此有時得到的評估結(jié)果缺乏科學(xué)
性，準(zhǔn)確率比較低。人工神經(jīng)網(wǎng)絡(luò)(ANN)具有強大的任意函
數(shù)逼近能力、學(xué)習(xí)能力、自適應(yīng)能力，用歷史數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)
模型進行學(xué)習(xí)，從而建立評估模型，是當(dāng)前網(wǎng)絡(luò)安全風(fēng)險評
估的主要算法，但是其在應(yīng)用過程中存在網(wǎng)絡(luò)結(jié)構(gòu)難以確
定，參數(shù)優(yōu)化較為復(fù)雜，容易陷入局部最優(yōu)．存在過擬合等問
題，限制其在網(wǎng)絡(luò)安全風(fēng)險評估中的應(yīng)用。支持向量機
(Suppor【Vector Machine，SVM)近年來發(fā)展起來的一種新的
非線性問題分析工具，解決高維數(shù)、非線性和局部最小點等
問題，克服了ANN和傳統(tǒng)統(tǒng)計方法的諸多不足，具有良好的
推廣能力，成為風(fēng)險評估研究領(lǐng)域的研究熱點。
傳統(tǒng)評估方法采用一個分類器對網(wǎng)絡(luò)安全風(fēng)險進行評
估，難以獲得較高準(zhǔn)確率，且結(jié)果不可靠，為此提出一種基于
萬方數(shù)據(jù)
D—S證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險融合評估方法。首先采用支
持向量機和神經(jīng)網(wǎng)絡(luò)兩種分類器對網(wǎng)絡(luò)安全風(fēng)險進行評估．
然后采用D—S證據(jù)理論對兩種結(jié)果進行融合，從而實現(xiàn)網(wǎng)絡(luò)
安全風(fēng)險最終評估結(jié)果。這樣同時發(fā)揮支持向量機和神經(jīng)
網(wǎng)絡(luò)的優(yōu)點，提高了網(wǎng)絡(luò)安全風(fēng)險評估的準(zhǔn)確率。
2 網(wǎng)絡(luò)安全風(fēng)險評估原理
網(wǎng)絡(luò)安全是指網(wǎng)絡(luò)系統(tǒng)的軟硬件和數(shù)據(jù)受到惡意破壞、
更改、泄露，使網(wǎng)絡(luò)系統(tǒng)不能夠正常地運行，網(wǎng)絡(luò)服務(wù)不中
斷。網(wǎng)絡(luò)安全風(fēng)險評估是指依據(jù)網(wǎng)絡(luò)安全技術(shù)標(biāo)準(zhǔn)，根據(jù)評
估結(jié)果，采取相應(yīng)安全防范措施，消除風(fēng)險。網(wǎng)絡(luò)安全風(fēng)險
評估的數(shù)學(xué)模型為：
網(wǎng)絡(luò)安全風(fēng)險級別=廠(A，r，y) (1)
式中：廠為網(wǎng)絡(luò)安全風(fēng)險評估模型；A表示資產(chǎn)，r表示威脅，y
表示脆弱性。
網(wǎng)絡(luò)安全風(fēng)險具有時變性和復(fù)雜性等特點。單一模型難
以獲得較高準(zhǔn)確率．本文采用支持向量機和神經(jīng)網(wǎng)絡(luò)分別對
網(wǎng)絡(luò)安全進行評估，然后采用證據(jù)合成過程對兩者結(jié)果進行
融合。得到最終網(wǎng)絡(luò)安全風(fēng)險級別。評估模型結(jié)構(gòu)如圖l所
示。
圖1 DS的網(wǎng)絡(luò)安全風(fēng)險評估模型結(jié)構(gòu)圖
3 網(wǎng)絡(luò)安全評估指標(biāo)系統(tǒng)的構(gòu)建
網(wǎng)絡(luò)安全評估指標(biāo)是進行科學(xué)、準(zhǔn)確網(wǎng)絡(luò)安全評估的前
提，根據(jù)科學(xué)性、全面性、可行性、可比性和穩(wěn)定性原則，建立
一種網(wǎng)絡(luò)安全風(fēng)險評估指標(biāo)體系，具體如圖2所示。
4 網(wǎng)絡(luò)安全風(fēng)險評估模型的建立
4．1 支持向量機評估模型
網(wǎng)絡(luò)安全風(fēng)險評估是一種分類問題，即將網(wǎng)絡(luò)安全分成
不同的級別，所以需要利用支持向量機的分類功能。設(shè)一個
兩分類的網(wǎng)絡(luò)安全風(fēng)險問題，給一定數(shù)據(jù)集k，yi}，石。∈彤，
；=1?．，凡，，，；∈{_1，1}，n表示樣本的數(shù)目，y；表示網(wǎng)絡(luò)
安全風(fēng)險類別[7]。支持向量機就是尋找一個分類平面，按照
結(jié)構(gòu)風(fēng)險最小化原則將兩類盡量分開，即：
以髫)=∞7西(菇)+6 (2)
式中，∞表示為超平面的法向量，6表示超平面的偏移量。
為了使得網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練樣本中的任意樣本與分類平面
圖2 網(wǎng)絡(luò)安全評估指標(biāo)體系
距離最大，那么變成為二次優(yōu)化問題求解：
min．，(塒，孝)=÷㈨II 2+cΣ孝； (3)
約束條件為：
，，f(加·西(戈；)+6)≥1一亭i，亭≥0 (4)
式中。c表示懲罰參數(shù)。
通過引入如gmnge乘子將支持向量機分類問題轉(zhuǎn)化為
對偶問題，通過對偶問題來解決這個分類平面優(yōu)化問題，得
到如下的分類平面判別函數(shù)：
八菇)=sign(Σ“。y；(中(戈)·垂(并i))+6) (5)
式中，d；表示妞m，艫乘子。
根據(jù)泛函理論找到一個滿足條件的核函數(shù)K(石i，髫)來
代替點積(中(茗)·西(石。))，這樣支持向是機的分類函數(shù)就變
成為：
三
八咒)=sign(藝dfy{后(石。‘髫)+6) (6)
式中，％(髫；·并)表示核函數(shù)，本文采用徑向基核函數(shù)作為
支持向量機的核函數(shù)，徑向基核函數(shù)為： K(戈。，算)：。。p(一J掣) (7)
最后，獲得支持向量機的最優(yōu)分類平面： 以z)：si“主叼fexp(-掣)+6)(8)
這樣以茁)表示網(wǎng)絡(luò)安全風(fēng)險的類別。同上于網(wǎng)絡(luò)安全
風(fēng)險評估是一個多分類問題，因此通過將然轉(zhuǎn)化成多個兩分
類問題進行求解。
4．2 神經(jīng)網(wǎng)絡(luò)評估模型
由于BP神經(jīng)網(wǎng)絡(luò)當(dāng)前最為成功的人工神經(jīng)網(wǎng)絡(luò)．因此
本文采用曰尸神經(jīng)網(wǎng)絡(luò)對網(wǎng)絡(luò)安全風(fēng)險進行評優(yōu)點，基于曰P
神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全風(fēng)險評估步聚如下：
1)網(wǎng)絡(luò)初始化。根據(jù)網(wǎng)絡(luò)安全風(fēng)險數(shù)據(jù)對輸入層、隱含
層和輸出層節(jié)點數(shù)進行確定，初始化各層間網(wǎng)絡(luò)連接權(quán)值．
初始化隱含層和輸出層閾值，給定學(xué)習(xí)速度和激勵函數(shù)。
2)隱含層輸出計算。根據(jù)網(wǎng)絡(luò)安全輸入向量扎輸入層
～】07—
萬方數(shù)據(jù)
和隱含層間連接權(quán)值毗，、隱含層閾值o，計算隱含層輸出
H。
馬=八Σ塒∥；一q)J=1，2，?，z (9)
式中，f為隱含層節(jié)點數(shù)∥為隱含層激勵函數(shù)，本文激勵函數(shù)
為：
，(茗)=七． (1。)
3)輸出層計算。根據(jù)隱含層輸出口，連接權(quán)值加i，和閾
值6，計算BP神經(jīng)網(wǎng)絡(luò)分類輸出D。
』
D。=Σq‰一6。，||}=1，2，?，m (11)
』=l
4)誤差計算。根據(jù)網(wǎng)絡(luò)分類輸出0和期望輸出l，，計算
網(wǎng)絡(luò)分類誤差e。
e女=K一0 ．i}=l，2，?，m (12)
5)權(quán)值更新。根據(jù)分類誤差e更新網(wǎng)絡(luò)連接權(quán)值叫。
6)閾值更新。根據(jù)網(wǎng)絡(luò)分類誤差e更新節(jié)點閾值o，6。
m
吩=吩+叼馬(i一馬)Σ％e。(13)
女=l
釓=6^+吼，||}=l，2，?，m (14)
7)如果分類準(zhǔn)確達到預(yù)設(shè)要求就結(jié)果結(jié)束，否則返回步
聚2)。
這樣就獲得了基于曰P神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全風(fēng)險評估結(jié)
果。將支持向量機和曰尸神經(jīng)網(wǎng)絡(luò)和安全風(fēng)險評估結(jié)果采用
Ds理論進行融合。
4．3 網(wǎng)絡(luò)安全風(fēng)險評估結(jié)果的D5融合
將支持向量機和曰P神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全風(fēng)險結(jié)果通過
證據(jù)理論(Ds)對其進行評判，轉(zhuǎn)為成相應(yīng)的證據(jù)體的可信
度分配函數(shù)，然后通過組合規(guī)則對兩個可信度函數(shù)進行融
合，得到一個新的可信度分配函數(shù)，最后采用融合后的可信
度分配函數(shù)結(jié)果作為網(wǎng)絡(luò)安全風(fēng)險評估最終結(jié)果．因此網(wǎng)絡(luò)
安全風(fēng)險評估流程如圖3所示。
5 仿真研究
5．1 網(wǎng)絡(luò)安全風(fēng)險評估數(shù)據(jù)
通過相文獻對網(wǎng)絡(luò)安全風(fēng)險評估數(shù)據(jù)進行收集。并對數(shù)
據(jù)進行篩選，選擇出數(shù)量適當(dāng)?shù)牟煌L(fēng)險等級的樣本．共收
集到1000個數(shù)據(jù)集如表l所示。將樣本分兩部分：訓(xùn)練集和
測試集，訓(xùn)練集900樣本，測試集100個樣本。采用m口tZ口6 7．
0環(huán)境下的支持向量機和神經(jīng)網(wǎng)絡(luò)工齡箱進行仿真。
表1 收集的網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)
5．2指標(biāo)權(quán)重的確定
收集到網(wǎng)絡(luò)安全風(fēng)險評估數(shù)據(jù)集，需要確定各個指標(biāo)的
權(quán)重，本文利用層次分析法對每個指標(biāo)進行權(quán)重確定，最后
獲得指標(biāo)權(quán)重如表2所示。
表2各指標(biāo)權(quán)重值
一108—
5．3結(jié)果與分析
為了檢測模型的有效性和優(yōu)越性，采用單一的支持向量
機和BP神經(jīng)網(wǎng)絡(luò)作為對比模型，采用評估準(zhǔn)確率和錯誤率
作為評價指標(biāo)，其評估結(jié)果如表3。
表3 各模型的性能比較
萬方數(shù)據(jù)
。翌一蒈
ll評估＼蛄果作；。s證．據(jù)件l ／l評估結(jié)果痞凳。s證據(jù)體l
l用Ds對蛄果進行融合評估J ：
l-出網(wǎng)絡(luò)安全風(fēng)險量磐蛄果l
。
圖3 網(wǎng)絡(luò)安全風(fēng)險評估流程
從表2可知．單獨采用支持向量機或BP神經(jīng)網(wǎng)絡(luò)對網(wǎng)
絡(luò)安全風(fēng)險進行評估，準(zhǔn)確率不高，錯誤率高，評估結(jié)果可信
度不高，而本文采用證據(jù)理論對兩者的結(jié)果進行融合，很好
利用了兩者的優(yōu)點，提高了評估準(zhǔn)確準(zhǔn)確率，有效降低了評
估的誤差，從而使評估結(jié)果的可信度更高．結(jié)果證明本文提
出的評估方法的有效性和優(yōu)越性。
6結(jié)論
網(wǎng)絡(luò)安全是保證網(wǎng)絡(luò)正常運行的基礎(chǔ)．針對當(dāng)前網(wǎng)絡(luò)安
全風(fēng)險評估方法存在的不足，提J七j了基于D—s證據(jù)理論的支
持向量機和BP神經(jīng)網(wǎng)絡(luò)融的風(fēng)險評估方法。首先采朋支持
向量機和BP神經(jīng)網(wǎng)絡(luò)對網(wǎng)絡(luò)安全風(fēng)險級別進行初步判斷．
然后采用Ds對信息進行融合，并建立相應(yīng)的評估模型。最
后以一個網(wǎng)絡(luò)安全風(fēng)險評估數(shù)據(jù)集為例．說明本文評估方法
具有較高的評估準(zhǔn)確率和可靠性．該方法在網(wǎng)絡(luò)安全風(fēng)險評
估中．并取得了良好的應(yīng)用效果。
參考文獻：
[1] 趙冬梅．張E清，t{建峰網(wǎng)絡(luò)安仝的綜臺風(fēng)險評估[J]計算
機科學(xué)．2004．31(7)：66—69
[2]張永錚．遲悅用于if估網(wǎng)絡(luò)信息系統(tǒng)的風(fēng)險傳播模型[J]
軟件學(xué)報，2007．1 8(1)：137一】45
[3] 楊曉字．周佩玲，博忠謙人工免疫與網(wǎng)絡(luò)安全[J]計算機仿
真，200l，18(6)：83—85
[4] 肖道舉，等網(wǎng)絡(luò)安全評估模型研究[M]華巾科技大學(xué)學(xué)報
(自然科學(xué)版)．2002，30(4)：37—39
[5] 汪楚嬌，林果園網(wǎng)絡(luò)安全風(fēng)險的模糊層次綜合評估模型[J]
武漢大學(xué)學(xué)報(理學(xué)版)．2006．52(5)：622—626
．6]許幅永，申健，李劍英網(wǎng)絡(luò)安全綜臺評價方法的研究及應(yīng)州
[J]計算機T=程與設(shè)計．2006．27(8)：1398一1400
：7]于群，馮玲基于BP神經(jīng)剛絡(luò)的網(wǎng)絡(luò)安全評估A法研究f J]
計算機丁程與設(shè)計．2008．29(8)：1963 1966
[作者簡介]
劉勇生(1974一)．男(議族)．廣東東莞人．碩士．高
級實驗師．主要研究方向：計算機應(yīng)用、網(wǎng)絡(luò)應(yīng)用。
【上接第105頁)
[2] 孫紅杰，方濱興．張宏莉基于用戶感知的網(wǎng)絡(luò)性能測量系統(tǒng)[7] Nuand?g，c Mm，s P Veal，D ne osl Nelwork M?即．
[J]計算機工程，2007．”(4)
[3] 蘇曉影，賀躍，郟建軍一種基于神經(jīng)網(wǎng)絡(luò)集成的決策樹構(gòu)造
方法[J]計算機仿真，2006一11
[4] 徐海東，李冶文．江峰，宋俊德基于神經(jīng)網(wǎng)絡(luò)的uTRAN網(wǎng)絡(luò)
質(zhì)量綜合評價[J]北京郵電大學(xué)學(xué)報．2005，28(4)
[5]倪萍．廖建斯．王純．張成一種KPl映射到KQJ的通用算法
[J]電子與信息學(xué)報，2008．30(10)
[6] Y coginenl，H Greenb8唱，A Mdh．D[MMs：An Au【?mic
Nerwork—hye。Foundalion如r Nelwork Man89ement]selected
AI℃鵝in communicaIions[[J]lEEE J?m on，Januaw 2010，
28(1)：15—27
ment Model—caPacI‘y 8nd Pe血呻ance Man89e?I[J]Manage一
一1 0fInnovatⅢand TechnoIogy．2008 lCMlT 2008 4【hIEEE
Int㈣tJon甜Conk??．SeDt 2008 1266一1270
【作者簡介]
陳鵬(1982一)．男(漢族)．四川人，碩士研究生．
研究方向：通信與信息系統(tǒng)：
景志宏(1965一)，男(漢族)，河北人，副教授．研究
療向：移動通信．網(wǎng)絡(luò)優(yōu)化：
王偉(1984一)，男(漢族)，占林人．碩士研究生．
研究方向：通信與信息系統(tǒng)。

網(wǎng)友評論 more

綜合安全論文最新內(nèi)容

05-04