收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于QPSO优化小波神经网络的信息安全风险评估方法研究

宋红梅  
【摘要】: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。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 朱小梅;郭志钢;;石油价格预测算法的仿真研究[J];计算机仿真;2011年06期
2 孔未臣;;简析小波神经网络应用于模拟电路故障诊断的进展[J];科技信息;2011年16期
3 金莹;;基于小波神经网络柱塞泵液压系统的故障诊断研究[J];液压与气动;2011年07期
4 张旭东;俞建宁;郭兰平;张建刚;付宏睿;;基于小波神经网络的深证300成分指数的预测[J];重庆理工大学学报(自然科学);2011年06期
5 周先锋;冯子健;杨维中;李晓松;;小波神经网络在梅毒发病率预测中的应用初探[J];四川大学学报(医学版);2011年04期
6 黄永红;徐勇;;基于小波神经网络的某边坡预测研究[J];四川理工学院学报(自然科学版);2011年03期
7 钟延峰;;用小波神经网络对油井传感器进行故障诊断[J];油气田地面工程;2011年06期
8 李广;陈照章;;基于MPSO-BP算法的摄像机标定的应用研究[J];光学仪器;2010年04期
9 田学民;王强;邓晓刚;;一种引入动量项的小波神经网络软测量建模方法[J];化工学报;2011年08期
10 杨超;王志伟;;经GA优化的WNN在交通流预测中的应用[J];计算机工程;2011年14期
11 罗琨;何怡刚;方葛丰;;基于S变换和小波神经网络的容差模拟电路故障诊断[J];计算机测量与控制;2011年06期
12 段秀云;;小波神经网络在脱靶量估计中的应用研究[J];电子设计工程;2011年16期
13 杨思远;徐佩亮;王振雷;;基于小波神经网络的热值软测量建模[J];石油化工自动化;2011年04期
14 李东辰;朱伟;闫其娇;庞敏敏;;基于小波神经网络的矿用通风机监控及诊断系统[J];煤矿机械;2011年09期
15 斯芸芸;徐道连;周卓然;;基于遗传算法和小波神经网络的语音识别研究[J];微型机与应用;2011年16期
16 曾利平;王海波;何岳华;;一种模拟退火小波网络的电力变压器故障诊断[J];计算机仿真;2011年07期
17 李宁;雷洪利;韩建定;朱喜华;;基于小波神经网络的开关磁阻发电机故障预测模型研究[J];计算机测量与控制;2011年08期
18 范雯;张蒲临;;小波神经网络在股价预测中的应用[J];科技传播;2011年14期
19 张冬至;胡国清;;基于遗传优化小波神经网络逆模型的油水测量[J];光学精密工程;2011年07期
20 陈小克;;高填方路基填筑的缺陷检测与防治[J];现代商贸工业;2011年16期
中国重要会议论文全文数据库 前10条
1 李元松;李新平;代翼飞;陈清运;;基于小波神经网络的高陡边坡位移预测[A];岩石力学与工程的创新和实践:第十一次全国岩石力学与工程学术大会论文集[C];2010年
2 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年
3 王勇青;陈延如;邵艳明;陈晶晶;陈斐楠;;基于小波神经网络的氧气顶回转炉口火焰温度多光谱测量[A];中国光学学会2011年学术大会摘要集[C];2011年
4 牛东晓;邢棉;谢宏;陈志业;;短期电力负荷预测的小波神经网络模型的研究[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
5 金向阳;张莉;于广滨;;基于改进小波神经网络的航空滚动轴承的故障检测[A];第二十六届中国控制会议论文集[C];2007年
6 侯霞;张军峰;刘国海;;基于小波神经网络的飞机故障诊断[A];第二十九届中国控制会议论文集[C];2010年
7 牟海维;马娜;付光杰;刘祥楼;;基于小波神经网络的电力谐波检测方法[A];第二十九届中国控制会议论文集[C];2010年
8 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];2010全国机械装备先进制造技术(广州)高峰论坛论文汇编[C];2010年
9 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年
10 黎明;;基于小波神经网络理论的GPS变形监测预报方法[A];第三届中国卫星导航学术年会电子文集——S08卫星导航模型与方法[C];2012年
中国博士学位论文全文数据库 前10条
1 薛雅丽;基于轨迹线性化方法的近空间飞行器鲁棒自适应控制研究[D];南京航空航天大学;2010年
2 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年
3 金瑜;基于小波神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2008年
4 郑殿春;基于BP网络的局部放电模式识别[D];哈尔滨理工大学;2005年
5 胡德栋;超临界流体中有机固体溶解度的研究[D];山东大学;2005年
6 刘明;油田热水供暖系统热负荷智能预测技术研究[D];东北石油大学;2011年
7 李晖;船舶减摇鳍系统智能控制及其可视化仿真的研究[D];大连海事大学;2003年
8 文鸿雁;基于小波理论的变形分析模型研究[D];武汉大学;2004年
9 祝伟民;基于小波神经网络的区域景观生态评价研究[D];南京农业大学;2008年
10 周卫东;一类混合动态系统建模与优化调度问题的研究[D];山东大学;2005年
中国硕士学位论文全文数据库 前10条
1 宋红梅;基于QPSO优化小波神经网络的信息安全风险评估方法研究[D];河北师范大学;2011年
2 袁月春;基于模糊小波神经网络的多辊热连轧产品质量控制[D];山西师范大学;2010年
3 朱美龙;小波神经网络在遥感溢油图像去噪中的应用[D];大连海事大学;2011年
4 吕海鸥;基于小波神经网络的小管径超声波流量测量的研究与实现[D];山东理工大学;2011年
5 李凤鸣;基于小波神经网络的柴油机燃油系统故障诊断的设计与实现[D];山东大学;2010年
6 牛慧芬;垂直井内多相流测量方法与模型研究[D];北京工商大学;2010年
7 闻靓;基于小波神经网络和STAR的股指预测方法研究[D];华南理工大学;2011年
8 周桂珍;基于小波神经网络的异步电机故障诊断[D];湘潭大学;2010年
9 莫慧芳;基于LabVIEW的小波神经网络在电机声频故障诊断中的应用研究[D];广东工业大学;2005年
10 员世芬;小波神经网络理论的研究及其在加热炉钢坯温度预报中的应用[D];太原理工大学;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978