当前位置：文档之家 › AHP和SVM组合的网络安全评估研究

AHP和SVM组合的网络安全评估研究

  • 格式：pdf
  • 大小：266.81 KB
  • 文档页数：4

ｃ ｒ ｙ ａｅ ａ ｓ ｓ ｅ ｙ ＡＨＰ ｈ ｎ ａｔｒｔ ｅｎ ｒ ｌ ｅ ａａａ ｅ ｕ ｅ ｎ ｓ ｐ ｏ ｅ ｔｒｍａ ｈ ｎ ａ ｎｎ ，ｔ ｅｌ ａｎ ｎ ｕ ｉ ｒ ｓ ｅ ｓ ｄ ｂ ｔ ．Ｔ ｅ ｆ ｏｍａｉ ｄ ｄ ｔ ｒ ｓ ｄ ｉ ｕ ｐ ｒ ｖ ｃｏ ｃ ｉ ｅ ｌ ｒ ｉ ｇ ｈ ｅ ｒ ｉ ｇ ｅ ｈ ｚ ｔ ｅ
ｐ ｏ ｅｓ ｕｓ ｓｐ ｒｉｌ ｗａ ｍ ｐｔ ｉａ ｉｎ ａｇ ｒｔ ｔ ｐｔｍｉｅ ｔ ｒ ｍｅｅ ｓｏ ＶＭ ，ａ ｄ ｇ ｔ ｈ ｐｔｍａ ｖ ｕ ｔｏ ｒ ｃ ｓ ｅ ａ ｔｃｅ ｓ ｒ ｏ ｉ ｚ ｔｏ ｌｏ ｉ ｍ ｈｍ ｏ ｏ ｉ ｚ ｈｅｐａａ ｔｒ ｆＳ ｎ ｅｓｔ ｅ ｏ ｉ ｌｅ ａ ａｉｎ ｌ
ｓ ｒ ａｇ ｒｔ ｗａｍ ｌｏ ｈｍ ｒ ｏ ｉ ｅ ｏ ｐ ｔｆ ｒ ｒ ｎ ｆａ ｓｓ ｍｅ ｔｍｅｈ ｄ． Ｆ ｒｔｙ，ｎ ｒ ａｉｅ ｎ ｅ ｅ ｆｎ ｔ ｒ ｅ ｉ ａ ｅｃ ｍｂ ｎ ｄ ｔ ｕ ｏ ｗａ ｄ ａｋｉｄ ｏ ｓ ｅ ｓ ｎ ｔ ｏ ｉｓｌ ｏｍ ｌｚ ｄ ｉｄ ｘ ｓｏ ｅ ｗｏ ｋ ｓ —
某市公安局 １０网络系统 中进行实验 。结果表 明， １ 与传统评估方法相 比， 消除冗余信息 ， 提高 了评估正确率 ， 习速度也相 学 应加快 ， 是一种效率高 、 泛化能力优异的评估方法。
关键词 ： 子群算法 ； 粒 网络 安 全 ； 持 向量 机 ； 支 评估
中 图分 类 号 ：Ｐ ０ Ｔ３９ 文 献标 识 码 ： Ａ
ＡＢＳ ＲＡＣＴ： ｔ ｒ ｅ ｕ ｔ ｓｏ ｅ ｃ ａ ａ ｔｒｓ ｃ ｆｔ － ａｙ ｎ ，ｎ ｎ ｉｅ ｒａ ｄ ｗ ｔ ｌ ｐ ｅｉｆｕ ｎ ｅｆ ｃｏ Ｔ Ｎｅｗｏｋ ｓ ｃ ｒ ｙ ｉ ｆ ｈ ｈ ｒｃｅ ｉｔ ｓｏ ｍｅ ｖ ｒ ｉ ｇ ｏ ｌ ａ ｎ ｉ ｍｕ ｔ ｌ ｎ ｅ ｃ ｔｒ ｉ ｔ ｉ ｉ ｎ ｈ ｉ ｌ ａ ｓ
摘要 ： 研究 网络安全问题。网络安全评估指标多 ， 网络模型存在非线性关系且存在大量的冗余信息 ， 传统方法无法消除冗余 信息只能对线性指标进行评估 ， 导致网络安全评估正确率低 。为提高网络安全评估的正确率和效率 ， 出将层 次分析法和 提
支 持 向 量 机组 合 起 来 ， 用 到 网络 安 全评 估 中。通 过 层 次 分 析法 对 网络 安 全评 估 指 标进 行筛 择 ， 除冗 余 信 息 ， 进 行 归 一 应 消 并 化 处 理 。得 到 的 数 据用 于支 持 向 量机 学 习 ， 习过 程 采 用 粒 子群 算 法 对 参 数进 行 优 化 ， 学 建立 了最 优 评估 模 型 进 行 仿 真 ， 在 并
ＫＥ Ｗ ＯＲ Ｓ：ａ ｉｅｓ ａ ｌｏ ｔ Ｎ ｔｏｋｓｃｒｙＳｐ ｏ ｅｔｒ ａｈ ｅ Ｓ Ｍ）Ａ ｓｓ ｅ ｔ Ｙ Ｄ Ｐｒｃ ｒ ａ ｒｈ ｔ ｌ ｗ ｍ ｇｉ ｍ； ｅ ｒ ｅｕｉ ；ｕ ｐｒｖｃ ｃｉ （ Ｖ ； ｓｅｓ ｎ ｗ ｔ ｔ ｏｍ ｎ ｍ
Ｒｅ ｅ ｒ ｈ ｎ Ａｓ ｅ ｓ ｅ ｔｏ ｔ ｒ ｅ ｕ ｉｙ Ｂａ ｅ ｎ Ｓ ｓ ａ ｃ ｏ ｓ ｓ ｍ ｎ ｆ Ｎｅ ｗｏ ｋ Ｓ ｃ ｒ ｔ ｓ ｄ ｏ ＶＭ ｎｄ ＡＨＰ ａ
Ｗ ＡＮＧ ｅ Ｗ ｉ
（ ｉａ ｎｖｒｔ Ｏ ｉ ｎｅＡ ｄＥ ｏｏ ｉ ， ｉａ ｈｎｉ １０ １ Ｃ ｉａ Ｘ ’ｎＵ ｉ ｓｙ ｆ ｎ ｃ ｎ ｃｎｍｃ Ｘ ’ｎＳａｘ ７ ０６ ， ｈｎ ） ｅ ｉ Ｆ ａ ｓ
ｓｃｒｙａｓｓｍ ｎ ａｄｅ ｉｅｃ ， ｎ ｌｉ ｈｅａｃｙｐｏｅｓ（ Ｈ ） ｓｐ ｏ ｅｔｒ ａｈｎ Ｓ Ｍ）ａ ｄｐｒｃ ｅｕ ｔ ｓ ｓ ｅｔ ｎ ｆｃ ｎｙ ａａ ｔ ｉ ｒ ｒ ｓ Ａ Ｐ ， ｕ ｐｒｖｃ ｃｉｅ（ Ｖ ｉ ｅ ｆｉ ｙｃ ｒ ｈ ｃ ｔ ｏｍ ｎ ａ ｉｅ ｔｌ
ａ ｄ ｕｓｎ ｒｄｉｉｎ ｌｍｏ ｅ ｆｎｅｗｏ ｋ ｓ ｃ ｒｔ ｖ ｌａｉ ｎ ｒｓ ｌｓｉ ｏ ａ ｃ ｒ ｃ ．Ｔｏ ｉ ｒ ｖ ｈｅａ ｃ ｒ ｃ ｆｎ ｔ ｒ ｎ ｉ ｇｔａ ｔｏ ａ ｄ ｌｏ ｔ ｒ ｅ ｕ ｙｅ ａｕ ｔｏ ｅ ｕｔ ｎ ｌｗ ｃ ｕ ａ ｙ ｉ ｍｐ ｏ ｅ ｔ ｃ ｕ ａ ｙ ｏ ｅ ｗｏ ｋ
第２卷 第３ ８ 期
文章 编 号 ：０ ６ ９４ （０ １０ — １２ ０ １０ — ３ ８ ２ １ ） ３ ０ ８ — ４计算机 Nhomakorabea仿
真
２１年３ ０１ 月
Ａ ＨＰ和 Ｓ Ｍ 组 合 的 网络 安 全 评 估 研 究 Ｖ
王 伟
（ 安 财 经 学 院 ， 西 西 安 ７０ ６ ） 西 陕 １０ １
Ｔ ｘ ｒｍｅ ｔ ｅ ｕ ｔ ｈ ｗ ｈ ｔｔ ｉ ｔ ｄ ｈ ｓｈｉｈ ｒａ ｃ ａ ｙ ｏ ｖ ｌａ ｉｎ ａ ｔｏ ｅ ｅ ｅ ａｉａｉｎ ａ ｌｔ ｈｅ ｅ ｐｅｉ ｎ ａ ｒ ｓ ｌｓｓ ｏ ｔ ａ ｈ ｓｍｅｈｏ ａ ｇ ｅ ｃ ｕｒｃ ｆｅ ａｕ ｔｏ ｎｄ ｓｒｎｇ ｒｇ ｎ ｒ ｚ ｔ ｂｉｉ ｌ ｌ ｏ ｙ．
ｍｏ ｅ ．Ｆ ｎ ｌ ，ｔ ｉ ｍｏ ｅ ｓａ ｐ ｉｄ ｉ ｈ ｘ ｅｉ ｎ ｉ ｅｗｏｋ ｓ ｓｅ ｏ ｕ ｌ ｅ ｕ ｉ ｕ ｅ ｕ ｏ ｉ ｄ １ ｉａｌ ｙ ｈｓ ｄ ｌｉ ｐ ｌ ｎ ｔ ｅ ｅ ｐ ｒ ｅ ｍｅ ｔｗ ｔ １ ０ ｎ ｔ ｒ ｙ ｔｍ ｆｐ ｂｉ ｓ ｃ ｒ ｙ ｂ ｒ ａ ｆａ ｃｔ ｈ １ ｃ ｔ ｙ，

合集下载

基于FAHP-SVM模型的高新技术项目投资风险评价

基于FAHP-SVM模型的高新技术项目投资风险评价

价， 实质 上只 是一 种 可 能性 评 价 ， 而在 统 计 学 习 理论 基
础 上 发 展 出 了一 套新 的模 式 识 别 方 法一 支持 向量 机 方 法 （Ｖ ） 好 弥补 了这 些 缺 陷 。该 方 法 在处 理小 数 目学 ＳＭ正 习样本 、 非线 性及 高维 特 征 的模式 识 别 问题 体 现 出较 传 统方 法更 大的 优势 。 支持 向量机模 型 又必须 建立在 但
合 评价方 法 ，则将 为高新 技术 项 日的风 险评 价 的研 究 和
运 用开拓一 条新 的思路 。
一
线 ， ，２ Ｈ１ 分别代表各类 中离分类线最近的样本且平行 Ｈ 于分类线 Ｈ的直线， 它们之间的距离称为分类间隔（ａ ｍｒ －
ｎ ） 。所谓最优分类线就是要求分类线不但能将两类正确
较 多 的研 究 分 析方 法 。为 此 ，本 文 将 模 糊 层 次 分析 法 （ＡＨ ） Ｆ Ｐ与支 持 向量 机相 结 合 ， 出基 于 Ｆ Ｈ — Ｖ 的综 提 Ａ ＰＳ Ｍ
支持 向量机 （ Ｍ 主要 思 想是 建 立 一个 超 平面 作 为 Ｓ ） Ｖ 决策 曲面 ， 正例 和反例之 间 的隔 离边缘被 最大化 。 使得 如 图１ 所示 ，实心 点 和圆 圈 分另 代 表两 类 样本 ， ０ Ｈ为分 类
除 了具 有 科学 技 术 的特 点 外 ， 具 有 高 技术 性 、 投 人 还 高
法） 由美国运筹学家 Ｓ Ａ Ｙ提出。 ＡＴ 该方法的基本原理是把
一
个复杂问题中的各个指标通过划分相互之间的关系使
性、 高风 险性 、 收益性 ． 资者 在 选 项 目前 除 了要 进 行 高 投 常规 的投资 可行 性研 究外 ， 还要 特 别 对项 目投 资 风险 进 行 深入 的分 析与 评价 ， 讨项 目实 施 风险 的来 源 、 探 构成 、 估 计 风 险事 故 发生 的概 率 及 其对 投 资者 可 能 造 成 的损 失 ， 可 能地 将 受险 程 度 定 量 表 示 ， 尽 以便 不 同方 案 的 比 较选 优。然而 ， 目前 为止 ， 高新 技术 项 目投资 风险 的 到 对
基于AHP—SVM的变电站选址综合评价体系研究

基于AHP—SVM的变电站选址综合评价体系研究

２ ． １ 层次分 析 法
ＡＨＰ是 由美 国运 筹学 家 Ｔ． Ｉ ． Ｓ ａ ａ ｔ ｙ于上 世 纪
７ Ｏ年代 提 出的一 种 系统分 析 方 法 。ＡＨＰ的基 本 思
路 是 把 复杂 事情 分 成若 干 有 序层 次 ， 建 立 一个 描 述 系 统 功 能 或 特 征 的 内部 独 立 的 层 次 结 构 （ 即 模 型 树） ， 然后 根 据对 某 一 客观 事 物 的判 断 ， 就 每一 层 次 的相 对 重要 性 做 出定量 表 示 ， 即构 造 “ 比较 判 断 矩
白艳 荣 ， 王春 健。 ， 杜秋 实。 ， 丛 犁
（ １ ． 营 口供 电公 司 ， 辽 宁 营 口 １ １ ５ ０ ０ ２ ； ２ ． 吉林省 电力有 限公 司， 长春 １ ３ ０ ０ ２ １ ；
３ ． 吉林省 电力有 限公 司电力经 济技 术研 究院 ， 长春
１ ３ ０ ０ ２ １ ；
２ ０ １ ３年 ２月
Ｆｅ ｂ． ２ ０１ ３
第 ４ １卷 第 ｌ期 （ 总第 ２ ２ ４期 ）
Ｖｏ １ ． ４ １ Ｎｏ ． １（ Ｓ ｅ ｒ ． Ｎｏ ． ２ ２ ４ ）
基 于 ＡＨＰ — Ｓ ＶＭ 的变 电站选 址 综 合 评 价 体 系研 究
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｅｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ Ｃｒ ｉ ｔ ｅ ｒ ｉ ｏ ｎ ｏ ｆ Ｓ ｕｂ ｓ ｔ ａ ｔ ｉ ｏ ｎ Ｓｉ ｔ ｅ Ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏｎ Ｂａ ｓ ｅ ｄ ｏ ｎ ＡＨＰ． ． ＳＶＭ
４ ． 吉林 省 电力有 限公 司信 息通信 公 司 ， 长春 １ ３ ０ ０ ２ １ ）
摘 要 ： 通 过 建 立 一 套 变 电 站 站 址 选 取 综 合 评 价 指标 体 系 ． 利用 层次分析法 （ ＡＨＰ ） 确 定 综 合 评 价 指 标 体 系 中 各 个
AHP法专家调查法与神经网络相结合的综合定权方法

AHP法专家调查法与神经网络相结合的综合定权方法

AHP法专家调查法与神经网络相结合的综合定权方法在决策过程中，我们常常面临多个指标、多个专家意见以及多个因素的选择。

为了能够准确且全面地评估这些指标、意见和因素的重要性，并给予它们适当的权重，我们需要借助定权方法来进行决策的加权处理。

本文将介绍AHP法与专家调查法相结合，并与神经网络进行综合定权的方法。

AHP法（层次分析法）是一种常用的定权方法，它通过层次结构模型进行多因素/多指标决策分析。

其基本思想是将复杂的决策问题层次化，将问题分解为若干个层次，从目标到准则再到方案，通过专家的判断和评分来确定各个层次的权重。

专家调查法是一种通过专家的评估和判断来确定权重的方法。

它通常通过问卷调查的形式，将问题提交给一组具有相关领域经验和专业知识的专家，专家们根据自己的判断和经验对问题进行评分，最后通过对专家评分的统计分析来得到权重。

然而，AHP法和专家调查法都存在一定的局限性。

AHP法需要专家事先给出两两比较各因素/指标的相对权重，但是专家在面对大量比较时容易出现主观倾向和不一致性，导致定权结果的不准确。

而专家调查法虽然利用了专家的经验，但是专家的评估结果也存在主观性和个体差异性。

为了弥补上述方法的缺陷，我们可以引入神经网络作为辅助定权的方法。

神经网络是一种模拟人脑神经元之间相互连接的计算模型，它具有学习、记忆和适应环境的能力。

通过训练神经网络，我们可以将专家的评估结果作为输入数据，通过网络的学习能力得到更准确的权重结果。

具体而言，我们可以将专家的评估结果作为神经网络的输入向量，将权重作为网络的目标输出。

通过训练神经网络，使其能够自动学习并调整权重，从而减小专家评估结果之间的差异和主观性误差。

最终，我们可以得到基于神经网络的定权结果，该结果可以综合考虑专家评估和网络学习的优势，更加准确地反映各个因素/指标的重要性。

综合定权方法的核心思想是通过AHP法和专家调查法得到初步的权重结果，然后利用神经网络进行修正和优化。

信息安全评估模型及应用研究

信息安全评估模型及应用研究

信息安全评估模型及应用研究随着信息技术的迅猛发展，信息安全问题越来越引起人们的关注。

信息安全评估模型是评估和衡量信息系统和网络安全性的重要工具，对于企业和组织来说，建立一个有效的信息安全评估模型能够帮助他们发现和解决潜在的安全问题，保障信息的安全和稳定。

在信息安全评估模型的研究中，大多数学者都倾向于采用多维度的评估方法，即将信息安全问题从不同的角度进行评估和分析。

常用的信息安全评估模型包括：层次分析法（AHP）、模糊综合评判方法和信息安全管理体系（ISMS）等。

层次分析法（AHP）是一种定性和定量相结合的评估方法，该方法主要是通过构建判断矩阵、计算特征值和特征向量，最后得到各指标的权重。

在信息安全评估中，AHP方法可以用来确定各安全属性的重要性及优先级，从而为信息安全问题提供合理的解决方案。

模糊综合评判方法是一种将模糊数学理论应用于信息安全评估的方法。

该方法通过建立模糊数学模型，将模糊信息转化为可计算的数值，从而进行评估和决策。

相对于传统的二值逻辑，模糊综合评判方法可以更好地处理不确定性的问题，在信息安全评估中有广泛的应用。

信息安全管理体系（ISMS）是一个综合的管理体系，通过制定、实施、执行和监控一系列的信息安全策略和措施，保护信息系统和网络的安全。

ISMS模型包括了信息资产评估、风险评估、管理控制等内容，通过对这些内容的评估，可以识别和解决潜在的安全问题。

除了以上几种常见的信息安全评估模型外，还有一些其他的研究方法及模型，如基于统计分析的模型、基于图论的模型等。

这些模型在不同的场景和问题中都有其独特的优势和适用性。

信息安全评估模型的应用可以应用于各个领域，如企业信息系统、政府机构、金融机构等。

在企业中，信息安全评估模型可以帮助企业建立一个安全的信息系统和网络，降低信息泄露和安全风险。

在政府机构中，信息安全评估模型可以帮助政府制定相关的政策和标准，确保国家的信息安全。

在金融机构中，信息安全评估模型可以帮助金融机构建立安全的金融业务平台，防止金融欺诈和恶意攻击。