论文部分内容阅读
面对当今社会信息系统安全需求的日益增长,已不可能单纯地靠技术手段从根本上解决信息系统的安全问题,更应该从系统工程的角度来看待信息系统的安全问题。风险评估是信息系统安全的基础与前提,它占有非常重要地地位。通过信息安全风险评估,我们可以了解信息系统目前和未来的风险,评估可能被这些风险带来的安全威胁和影响程度,为建立信息系统、确定安全策略及保证系统的安全运行提供基本的依据。因此,当今的信息安全风险评估已经成为一个日益紧迫的问题,引起了各发达国家的高度重视,他们认为:缺乏有效的信息安全风险评估将会造成信息安全需求与信息安全解决方案之间的严重脱节,必须实现制度化的风险评估。本文首先介绍了国内外信息安全风险评估的发展现状及概念,然后分析了风险评估要素之间的关系和评估流程,介绍了几种最具有代表性的风险评估方法,总结了这些评估方法的优缺点。提出一种量子粒子群优化小波神经网络风险评估方法,主要是以信息系统安全风险评估为研究对象,以模糊数学、神经网络、小波分析、粒子群等理论为工具,系统地研究基于传统的小波神经网络的评估方法,并利用量子粒子群算法训练小波神经网络,并对其关键技术进行了深入的研究,在此基础上丰富和发展了小波神经网络,探索了提高信息系统安全风险评估效果的新途径,提出的风险评估方法对信息系统安全风险评估的全面展开具有非常重要的意义。本文主要在以下的三个方面开展了研究:(1)基于量子粒子群优化算法的小波神经网络研究小波神经网络可以看作是一种连接型神经网络,是以小波函数为基函数。针对传统小波神经网络训练算法的不足,又对粒子群优化算法进行改进,提出量子粒子群优化算法,并将其用于训练小波神经网络,提出新的小波神经网络模型。本文提出一种以量子粒子群优化算法为基础的小波神经网络训练算法,将小波神经网络的参数组成一个多维向量,作为算法中的粒子进行进化,由此在可行解空间范围内搜索最优解。(2)与其它风险评估方法进行对比本文在Matlab7.1环境中对量子粒子群优化小波神经网络的评估方法做了仿真实验,并分别从该方法的收敛速度、训练精度和预测准确度三方面与基于BP算法的传统小波神经网络方法作了对比。仿真结果表明,量子粒子群优化小波神经网络的收敛速度快、训练精度高、预测效果好,具有很大的优越性。(3)提出基于量子粒子群优化算法的小波神经网络的信息系统安全风险评估模型根据信息系统安全风险评估的实际情况,提出一种基于量子粒子群优化小波神经网络的评估模型。并以某个信息系统为实例进行了风险评估,评估结果与系统的实际安全情况进行对比,具有很好的一致性。结果表明:采用这种方法是切实可行的,该评估方法具有科学性、客观性、合理性。