导航：安全管理网>> 安全论文>> 综合安全论文>>正文

基于证据理论的网络安全风险组合评估方法

文档作者：刘勇生文档来源：东莞理工学院		点击数：	更新时间： 2022年04月27日
下载地址：点击这里	文件大小： 390.50 KB 共4页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共4页]

本文件共4页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：390.50 KB 共4页文件格式：PDF 下载点数：1 点（VIP会员免费）

下一篇：基于生命周期理论的安全漏洞时间风险研究

上一篇： WIFI协议安全性分析研究

文本预览

仅提取页面文字内容，供快速阅读使用。

第29卷第1期计算机仿真2012年1月
文章编号：1006—9348(2012)Ol一0106一04
基于证据理论的网络安全风险组合评估方法
刘勇生
(东莞理工学院，广东东莞523000)
摘要：研究网络安全风险评估问题，网络安全风险具有时变性和非线性等特点，采用单一的方法难对其进行准确评估，为提
高网络安全评估准确率，提出一种证据理论的网络安全风险评估算法。首先采用层次分析对网络评估指标体系权重值确
定，然后采用支持向量机和BP神经网络对网络安全风险进行评估，最后采用证据理论对两者的评估结果进行融合．获得网
络安全风险最终评估结果。通过网络安全数据集进行仿真，结果表明，组合方法充分利用支持向量机和BP神经网络的优
点，能够全面反映网络安全状态，提高了网络安全风险评估的准确率，评估结果更加可靠，便于采取相应的安全防范措施，可
以最大限度的降低网络风险带来的经济损失。
关键词：证据理论；支持向量机；神经网络，网络安全；风险评估
中图分类号：TP391 文献标识码：A
Simlllation on Network Security砒sk EValuation Algoritl肌
LIU Yong—sheng
(Dongguan Universily of Technology，Don阳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鹊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
随着网络技术的不断进步．网络已经应用于各个领域．
然而网络安全与资源共享是一个矛盾体．网络具有无国界
性，给人们带来便利同时，同时带来了巨大的风险，因此网络
信息安全成为人们关注的焦点⋯。网络安全风险评估是保
证网络安全的基础和前提，因此如何对网络存在的安全风险
进行准确的评估。有利于采取相应的防范措施。最大限度的
降低网络风险带来的经济损失，成为网络安全研究领域研究
中的一个重要课题心J。
近年来，国内外研究小组和专家学者对网络安全风险评
估问题进行相关研究，提出了许多网络安全风险评估方法，
主要有事件树分析法[3】、层次分析法[4]、故障树分析法[5]、模
糊综合评判法以及最近出现的神经网络评估方法[6]。事件
收稿日期：201l—02—10修回日期：201l—04一04
—106一
树分析法只能对网络安全风险进行粗略的评估．结果不太可
靠。故障树分析法很难对风险评估指进行量化，计算过程复
杂，实用性差。层次分析法的评估结果主观性较强．且对评
估者的素质要求较高，因此有时得到的评估结果缺乏科学
性，准确率比较低。人工神经网络(ANN)具有强大的任意函
数逼近能力、学习能力、自适应能力，用历史数据对神经网络
模型进行学习，从而建立评估模型，是当前网络安全风险评
估的主要算法，但是其在应用过程中存在网络结构难以确
定，参数优化较为复杂，容易陷入局部最优．存在过拟合等问
题，限制其在网络安全风险评估中的应用。支持向量机
(Suppor【Vector Machine，SVM)近年来发展起来的一种新的
非线性问题分析工具，解决高维数、非线性和局部最小点等
问题，克服了ANN和传统统计方法的诸多不足，具有良好的
推广能力，成为风险评估研究领域的研究热点。
传统评估方法采用一个分类器对网络安全风险进行评
估，难以获得较高准确率，且结果不可靠，为此提出一种基于
万方数据
D—S证据理论的网络安全风险融合评估方法。首先采用支
持向量机和神经网络两种分类器对网络安全风险进行评估．
然后采用D—S证据理论对两种结果进行融合，从而实现网络
安全风险最终评估结果。这样同时发挥支持向量机和神经
网络的优点，提高了网络安全风险评估的准确率。
2 网络安全风险评估原理
网络安全是指网络系统的软硬件和数据受到恶意破坏、
更改、泄露，使网络系统不能够正常地运行，网络服务不中
断。网络安全风险评估是指依据网络安全技术标准，根据评
估结果，采取相应安全防范措施，消除风险。网络安全风险
评估的数学模型为：
网络安全风险级别=厂(A，r，y) (1)
式中：厂为网络安全风险评估模型；A表示资产，r表示威胁，y
表示脆弱性。
网络安全风险具有时变性和复杂性等特点。单一模型难
以获得较高准确率．本文采用支持向量机和神经网络分别对
网络安全进行评估，然后采用证据合成过程对两者结果进行
融合。得到最终网络安全风险级别。评估模型结构如图l所
示。
图1 DS的网络安全风险评估模型结构图
3 网络安全评估指标系统的构建
网络安全评估指标是进行科学、准确网络安全评估的前
提，根据科学性、全面性、可行性、可比性和稳定性原则，建立
一种网络安全风险评估指标体系，具体如图2所示。
4 网络安全风险评估模型的建立
4．1 支持向量机评估模型
网络安全风险评估是一种分类问题，即将网络安全分成
不同的级别，所以需要利用支持向量机的分类功能。设一个
两分类的网络安全风险问题，给一定数据集k，yi}，石。∈彤，
；=1⋯．，凡，，，；∈{_1，1}，n表示样本的数目，y；表示网络
安全风险类别[7]。支持向量机就是寻找一个分类平面，按照
结构风险最小化原则将两类尽量分开，即：
以髫)=∞7西(菇)+6 (2)
式中，∞表示为超平面的法向量，6表示超平面的偏移量。
为了使得网络数据训练样本中的任意样本与分类平面
图2 网络安全评估指标体系
距离最大，那么变成为二次优化问题求解：
min．，(埘，孝)=÷㈨II 2+cΣ孝； (3)
约束条件为：
，，f(加·西(戈；)+6)≥1一亭i，亭≥0 (4)
式中。c表示惩罚参数。
通过引入如gmnge乘子将支持向量机分类问题转化为
对偶问题，通过对偶问题来解决这个分类平面优化问题，得
到如下的分类平面判别函数：
八菇)=sign(Σ“。y；(中(戈)·垂(并i))+6) (5)
式中，d；表示妞m，舻乘子。
根据泛函理论找到一个满足条件的核函数K(石i，髫)来
代替点积(中(茗)·西(石。))，这样支持向是机的分类函数就变
成为：
三
八咒)=sign(艺dfy{后(石。‘髫)+6) (6)
式中，％(髫；·并)表示核函数，本文采用径向基核函数作为
支持向量机的核函数，径向基核函数为： K(戈。，算)：。。p(一J掣) (7)
最后，获得支持向量机的最优分类平面： 以z)：si“主叼fexp(-掣)+6)(8)
这样以茁)表示网络安全风险的类别。同上于网络安全
风险评估是一个多分类问题，因此通过将然转化成多个两分
类问题进行求解。
4．2 神经网络评估模型
由于BP神经网络当前最为成功的人工神经网络．因此
本文采用曰尸神经网络对网络安全风险进行评优点，基于曰P
神经网络的网络安全风险评估步聚如下：
1)网络初始化。根据网络安全风险数据对输入层、隐含
层和输出层节点数进行确定，初始化各层间网络连接权值．
初始化隐含层和输出层阈值，给定学习速度和激励函数。
2)隐含层输出计算。根据网络安全输入向量扎输入层
～】07—
万方数据
和隐含层间连接权值毗，、隐含层阈值o，计算隐含层输出
H。
马=八Σ埘∥；一q)J=1，2，⋯，z (9)
式中，f为隐含层节点数∥为隐含层激励函数，本文激励函数
为：
，(茗)=七． (1。)
3)输出层计算。根据隐含层输出口，连接权值加i，和阈
值6，计算BP神经网络分类输出D。
』
D。=Σq‰一6。，||}=1，2，⋯，m (11)
』=l
4)误差计算。根据网络分类输出0和期望输出l，，计算
网络分类误差e。
e女=K一0 ．i}=l，2，⋯，m (12)
5)权值更新。根据分类误差e更新网络连接权值叫。
6)阈值更新。根据网络分类误差e更新节点阈值o，6。
m
吩=吩+叼马(i一马)Σ％e。(13)
女=l
钆=6^+吼，||}=l，2，⋯，m (14)
7)如果分类准确达到预设要求就结果结束，否则返回步
聚2)。
这样就获得了基于曰P神经网络的网络安全风险评估结
果。将支持向量机和曰尸神经网络和安全风险评估结果采用
Ds理论进行融合。
4．3 网络安全风险评估结果的D5融合
将支持向量机和曰P神经网络的网络安全风险结果通过
证据理论(Ds)对其进行评判，转为成相应的证据体的可信
度分配函数，然后通过组合规则对两个可信度函数进行融
合，得到一个新的可信度分配函数，最后采用融合后的可信
度分配函数结果作为网络安全风险评估最终结果．因此网络
安全风险评估流程如图3所示。
5 仿真研究
5．1 网络安全风险评估数据
通过相文献对网络安全风险评估数据进行收集。并对数
据进行筛选，选择出数量适当的不同风险等级的样本．共收
集到1000个数据集如表l所示。将样本分两部分：训练集和
测试集，训练集900样本，测试集100个样本。采用m口tZ口6 7．
0环境下的支持向量机和神经网络工龄箱进行仿真。
表1 收集的网络状态数据
5．2指标权重的确定
收集到网络安全风险评估数据集，需要确定各个指标的
权重，本文利用层次分析法对每个指标进行权重确定，最后
获得指标权重如表2所示。
表2各指标权重值
一108—
5．3结果与分析
为了检测模型的有效性和优越性，采用单一的支持向量
机和BP神经网络作为对比模型，采用评估准确率和错误率
作为评价指标，其评估结果如表3。
表3 各模型的性能比较
万方数据
。翌一蒈
ll评估＼蛄果作；。s证．据件l ／l评估结果痞凳。s证据体l
l用Ds对蛄果进行融合评估J ：
l-出网络安全风险量磐蛄果l
。
图3 网络安全风险评估流程
从表2可知．单独采用支持向量机或BP神经网络对网
络安全风险进行评估，准确率不高，错误率高，评估结果可信
度不高，而本文采用证据理论对两者的结果进行融合，很好
利用了两者的优点，提高了评估准确准确率，有效降低了评
估的误差，从而使评估结果的可信度更高．结果证明本文提
出的评估方法的有效性和优越性。
6结论
网络安全是保证网络正常运行的基础．针对当前网络安
全风险评估方法存在的不足，提J七j了基于D—s证据理论的支
持向量机和BP神经网络融的风险评估方法。首先采朋支持
向量机和BP神经网络对网络安全风险级别进行初步判断．
然后采用Ds对信息进行融合，并建立相应的评估模型。最
后以一个网络安全风险评估数据集为例．说明本文评估方法
具有较高的评估准确率和可靠性．该方法在网络安全风险评
估中．并取得了良好的应用效果。
参考文献：
[1] 赵冬梅．张E清，t{建峰网络安仝的综台风险评估[J]计算
机科学．2004．31(7)：66—69
[2]张永铮．迟悦用于if估网络信息系统的风险传播模型[J]
软件学报，2007．1 8(1)：137一】45
[3] 杨晓字．周佩玲，博忠谦人工免疫与网络安全[J]计算机仿
真，200l，18(6)：83—85
[4] 肖道举，等网络安全评估模型研究[M]华巾科技大学学报
(自然科学版)．2002，30(4)：37—39
[5] 汪楚娇，林果园网络安全风险的模糊层次综合评估模型[J]
武汉大学学报(理学版)．2006．52(5)：622—626
．6]许幅永，申健，李剑英网络安全综台评价方法的研究及应州
[J]计算机T=程与设计．2006．27(8)：1398一1400
：7]于群，冯玲基于BP神经刚络的网络安全评估A法研究f J]
计算机丁程与设计．2008．29(8)：1963 1966
[作者简介]
刘勇生(1974一)．男(议族)．广东东莞人．硕士．高
级实验师．主要研究方向：计算机应用、网络应用。
【上接第105页)
[2] 孙红杰，方滨兴．张宏莉基于用户感知的网络性能测量系统[7] Nuand⋯g，c Mm，s P Veal，D ne osl Nelwork M⋯即．
[J]计算机工程，2007．”(4)
[3] 苏晓影，贺跃，郏建军一种基于神经网络集成的决策树构造
方法[J]计算机仿真，2006一11
[4] 徐海东，李冶文．江峰，宋俊德基于神经网络的uTRAN网络
质量综合评价[J]北京邮电大学学报．2005，28(4)
[5]倪萍．廖建斯．王纯．张成一种KPl映射到KQJ的通用算法
[J]电子与信息学报，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℃鹅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
【作者简介]
陈鹏(1982一)．男(汉族)．四川人，硕士研究生．
研究方向：通信与信息系统：
景志宏(1965一)，男(汉族)，河北人，副教授．研究
疗向：移动通信．网络优化：
王伟(1984一)，男(汉族)，占林人．硕士研究生．
研究方向：通信与信息系统。

网友评论 more

综合安全论文最新内容

05-04