本发明属于网络系统安全评估应用,尤其涉及一种基于模糊层次分析法改进的网络系统安全评估方法。
背景技术:
1、随着互联网技术的不断发展,网络在各行各业中扮演着越来越重要的角色。它极大地提升了沟通效率和生产效率,使得信息传递更加迅速,业务流程更加高效。然而,伴随着网络的普及,网络安全问题也日益凸显,涉及到安保、个人隐私、金融安全等多个方面,成为各行各业必须面对的重要议题。
2、网络安全是一个复杂的系统工程,受到多种因素的影响。其中,物理因素如机房环境的稳定性直接影响到网络系统的正常运作;信息因素如网络防火墙的设置关系到抵御外部非法攻击的能力;管理因素则涉及机房运维人员的专业性和责任心,是保障网络安全的关键一环。网络安全已经成为一个不可忽视的问题。我们需要关注影响网络安全的各种因素,并采用全面的评估方法来确保网络系统的安全运行。只有这样,我们才能充分发挥网络的优势,为各行各业的发展提供有力支持。
3、目前,网络安全的评估方法往往基于网络通信信息安全进行,主要针对网络非法攻击进行评估,这种方法虽然在一定程度上能够反映网络的安全性,但却忽视了其他影响网络系统正常运行的因素,如物理环境和管理因素,导致评估结果存在片面性和不准确性,且存在模型预估不理想的问题。
技术实现思路
1、本发明针对上述网络系统安全评估所存在的技术问题,提出一种设计合理、方法简单、理论性强的网络系统安全评估方法。
2、为了达到上述目的,本发明采用的技术方案为:一种基于模糊层次分析法改进的网络系统安全评估方法,包括如下步骤:
3、s1、收集待检测网络系统的安全指标,所述安全指标包括环境安全指标,通信安全指标以及管理人员安全指标,收集多个历史阶段和当前安全指标;
4、s2、运用模糊层次分析法并对其进行改进确定安全指标的最终权重,采用0.1-0.9标度法建立判别矩阵,计算判断矩阵各行元素成绩,计算安全指标的初始权重,其计算公式为:
5、,其中,为安全指标的初始权重,n为安全指标个数,a为调整参数,,接着进行一致性检验,考虑待检测网络系统运行情况,使用局部惩罚和激励状态变权函数,其公式为:
6、,其中,为安全指标的最终权重,为安全指标的初始权重,为安全指标的函数,其公式为:
7、,其中,为常数,为惩罚水平,为激励水平,用于区分惩罚等级,得到安全指标的最终权重;
8、s3、构建网络系统安全评估预测模型,搭建双尺度卷积神经网络架构,利用不同尺度的卷积核,构建网络系统安全评估预测模型,以并行方式进行多次卷积,提取安全指标和最终指标的特征信息,利用多个历史阶段安全指标训练构建的网络系统安全评估预测模型,将当前安全指标输入构建的网络系统安全评估预测模型预测网络系统是否安全。
9、作为优选,s2步骤所述用于区分惩罚等级为否决还是惩罚。
10、作为优选,s3步骤所述网络系统安全评估预测模型通过反向传播进行训练。
11、与现有技术相比,本发明的优点和积极效果在于:
12、本发明提出一种基于模糊层次分析法改进的网络系统安全评估方法,收集待检测网络系统的安全指标,运用模糊层次分析法并对其进行改进确定评估体系指标的权重,构建网络系统安全评估预测模型,搭建双尺度卷积神经网络架构,利用不同尺度的卷积核,构建网络系统安全评估预测模型,以并行方式进行多次卷积,提取安全指标和最终指标的特征信息,利用多个历史阶段安全指标训练构建的网络系统安全评估预测模型,将当前安全指标输入构建的网络系统安全评估预测模型预测网络系统是否安全,解决了评估指标单一,不全面,评估准确性低,存在片面性的问题。本发明引入变权理论,对权重进行修改,使权重随着各评估指标取值的变化而变化,考虑安全指标的短板效应,局部惩罚和激励型状态变权函数,可以增强对高失真安全指标反应的相对灵敏性。
1.一种基于模糊层次分析法改进的网络系统安全评估方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于模糊层次分析法改进的网络系统安全评估方法,其特征在于,s2步骤所述用于区分惩罚等级为否决还是惩罚。
3.根据权利要求1所述的一种基于模糊层次分析法改进的网络系统安全评估方法,其特征在于,s3步骤所述网络系统安全评估预测模型通过反向传播进行训练。