光纖通信網(wǎng)絡(luò)風險評估

光纖通信網(wǎng)絡(luò)風險評估光纖具有抗干擾、數(shù)據(jù)傳輸快、損耗小等優(yōu)點，成為當前網(wǎng)絡(luò)的主要通信介質(zhì)，在很多領(lǐng)域得到了廣泛應(yīng)用［1，2］。不過光纖通信網(wǎng)絡(luò)與其它類型的網(wǎng)絡(luò)一樣，也存有安全隱患問題［3］，如果出現(xiàn)數(shù)據(jù)被竊取、網(wǎng)絡(luò)入侵等行為，那么會給人們帶來巨大的經(jīng)濟損失，為此，如何提升光纖通信網(wǎng)絡(luò)的安全，一直是網(wǎng)絡(luò)安全管理領(lǐng)域中的研究熱點［4］。近幾年來，學者們對光纖通信網(wǎng)絡(luò)的風險評估進行廣泛研究最原始風險評估模型是引用其它類型的網(wǎng)絡(luò)評估模型，如雙絞線網(wǎng)絡(luò)等，但是光纖通信網(wǎng)絡(luò)具有其自身的特殊性，這些模型的風險評估結(jié)果不可靠［5］。近些年，一些研究機構(gòu)提出了基于層次分析法、德爾斐法、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機等光纖通信網(wǎng)絡(luò)的風險評估模型［6－10］。層次分析法、德爾斐法屬于定性分析或簡單定量方法，評估結(jié)果的好壞與專家經(jīng)驗和知識直接相關(guān)，評估精度不太穩(wěn)定，時高時低，而且評估結(jié)果含有一定的主觀性［11］。決策樹、神經(jīng)網(wǎng)絡(luò)支持向量機等屬于定量分析方法，根據(jù)光纖通信網(wǎng)絡(luò)風險的評估指標，采用神經(jīng)網(wǎng)絡(luò)等建立相對應(yīng)的評估模型，評估精度比較高，在光纖通信網(wǎng)絡(luò)風險評估中應(yīng)用最為廣泛［12］。在實際應(yīng)用中，這些方法均沒有考慮評估指標選擇問題，導(dǎo)致評估指標過多，評估結(jié)果和效率均有待進一步改善［13］。為了提升光纖通信網(wǎng)絡(luò)風險評估精度，有效保證光纖網(wǎng)絡(luò)的數(shù)據(jù)傳輸可靠性，提出一種因子分析法的光纖通信網(wǎng)絡(luò)風險評估模型，采用并通過具體實例對其有效性和優(yōu)越性進行分析。建立光纖通信網(wǎng)絡(luò)風險的數(shù)學模型在光纖通信網(wǎng)絡(luò)風險評估過程中，有兩個步驟對評估結(jié)果的影響十分關(guān)鍵，其中一個是評估指標的選擇，另一個是光纖通信網(wǎng)絡(luò)風險值的預(yù)測算法。假設(shè)選擇第i個樣本的評估指標為{xil,xi2,…，xin},相對應(yīng)的光纖通信網(wǎng)絡(luò)值為yi,那么光纖通信網(wǎng)絡(luò)風險評估的數(shù)學模型可以描述。因子分析法選擇光纖網(wǎng)絡(luò)風險評估指標．1原始評估指標一個光纖通信網(wǎng)絡(luò)系統(tǒng)安全包括很多方面，本文主要從資產(chǎn)、威脅性、脆弱性和安全制度等4個方面對光纖通信網(wǎng)絡(luò)的風險進行評估，因此在專家意見的基礎(chǔ)上，根據(jù)國內(nèi)外相關(guān)研究結(jié)果，建立一個如圖1所示的評估指標體系，該評估指標體系由3層組成，其中最底層為具體的細化指標。2．2因子分析法選擇指標對于圖1中的光纖通信網(wǎng)絡(luò)風險評估指標，各個指標對風險評估重要水準不同，且各個指標之間互相作用，存有一定的冗余，如果將它們直接輸入到評估算法中進行學習，計算時間會相當長，對風險評估結(jié)果產(chǎn)生不利影響。為了防止該問題的出現(xiàn)，采用因子分析法選擇風險評估指標。光纖通信網(wǎng)絡(luò)風險的評估模型．1SVM評估算法評估算法根據(jù)因子分析法選擇的評估指標作為輸入期望風險值作為輸出，建立一種光纖通信網(wǎng)絡(luò)風險評估模型，本文選擇支持向量機(SupportVectorMachine,SVM)作為評估算法。SVM是一種統(tǒng)計學算法，它要求樣本數(shù)量小，這符合光纖通信網(wǎng)絡(luò)風險評估的實際情況,不僅模型復(fù)雜性不太高,而且學習能力很強,是當前公認的最好預(yù)測算法之一。設(shè)一種線性預(yù)測問題的樣本集為：(xi,yi),i=1,2,???n,n為樣本規(guī)模，d為特征維數(shù)，對于光纖通信網(wǎng)絡(luò)風險評估問題,即表示評估指標的數(shù)量,yi為對應(yīng)風險期望值。3．2因子分析法的光纖通信網(wǎng)絡(luò)風險的評估原理因子分析法的光纖通信網(wǎng)絡(luò)風險的評估原理：首先構(gòu)建光纖通信網(wǎng)絡(luò)風險的評估指標體系,然后采用因子分析選擇評估指標,最后利用支持向量機建立光纖通信網(wǎng)絡(luò)風險模型,具體流程如圖2所示。仿真實驗4．1數(shù)據(jù)源選擇某公司光纖通信網(wǎng)絡(luò)的風險歷史數(shù)據(jù)進行仿真實驗測試,共得到300個數(shù)據(jù),歸一化的評估指標和風險值見表1所示。．2因子分析法的實現(xiàn)采用SPSS軟件對13個評估指標進行因子分析提取主成分，主成分的貢獻率結(jié)果如表2所示。從表2可知，選擇前7個主成分就可以描述原始13個評估指標，將它們作為支持向量機的輸入向量。4．3SVM的核函數(shù)選擇當前SVM的核函數(shù)眾多，每一種核函數(shù)的適用范圍不同，典型核函數(shù)的光纖通信網(wǎng)絡(luò)風險評估精度風險表3所示，從表3可知，徑向基函數(shù)的評估精度最高，因此選擇其構(gòu)建光纖通信網(wǎng)絡(luò)的風險評估模型。4.4結(jié)果與分析為了驗證本文方法(FA-SVM)進行光纖風險評估的性能，選擇原始指標的支持向量機(SVM)、因子分析法的RBF神經(jīng)網(wǎng)絡(luò)(FA—RBFNN)、因子分析法的BP神經(jīng)網(wǎng)絡(luò)((FA-BPNN)進行對比實驗,隨機選擇100個樣本組成訓練樣本，建立光纖通信網(wǎng)絡(luò)風險評估模型，其余樣本對模型性的性能進行分析，所有模型的建模效果如表4所示從表4可知：相對于SVM,FA-SVM無論是光纖通信網(wǎng)絡(luò)風險評估精度還是訓練速度都得到顯著改善，這說明采用因子分析法對光纖通信網(wǎng)絡(luò)風險評估指標進行優(yōu)化，可以有效降低SVM輸入向量的維數(shù)，獲得更加理想的光纖通信網(wǎng)絡(luò)風險評估效果,對比結(jié)果證明了本文建模思想的準確性和有效性;相對于FA—RBFNN、FA-BPNN,FA-SVM大幅度提升了光纖通信網(wǎng)絡(luò)風險評估精度，訓練時間要略長，這說明采用支持向量機對光纖通信網(wǎng)絡(luò)風險評估進行建模，可以更好的描述評估指標與風險值之間的變化關(guān)系，雖然訓練速度有所下降，但是隨著計算機性能的提升，這一點時間可以忽略不計，對比結(jié)果表明本文的光纖通信網(wǎng)絡(luò)風險評估建模思想具有一定的優(yōu)越性。結(jié)論與展望風險評估是保證光纖通信網(wǎng)絡(luò)安全的基礎(chǔ)，已成為人們關(guān)注的焦點，以某公司的光纖通信網(wǎng)絡(luò)系統(tǒng)作為研究對象，構(gòu)建一種基于因子分析法的光纖通信網(wǎng)絡(luò)風險評估模型，實證研究結(jié)果表明，本文模型可以獲得理想的光纖通信網(wǎng)絡(luò)評估結(jié)果，并與其它光纖通信網(wǎng)絡(luò)評估模型進行對比，驗證了本文模型的優(yōu)越性。具體結(jié)論如下：(1)采用因子分析法對光纖通信網(wǎng)絡(luò)評估指標進行選擇，減少了評估指標的數(shù)量，簡化了評估模型結(jié)構(gòu)，提升了評估效率;(2)采用支持向量機對光纖通信網(wǎng)絡(luò)