基于BP网络的信息安全风险评估量化研究

以国家《信息安全风险评估指南》为指导,并参考NISTSP800-30的安全控制思想,构建了一套风险评估指标体系,讨论了运用改进的BP神经网络方法进行风险评估的原理。实践结果表明,利用BP人工神经网络进行风险评估是有效可行的一种风险量化算法。     

基于BP神经网络的信息安全风险评估

论文详细给出了信息安全的风险评估流程及评价方法。建立的信息安全风险评估体系采用BP神经网络方法,是一种非线性方法,不带有明显的主观成分和人为因素,使评价结果更有效、更客观。实例表明计算结果贴近成功案例结果。     

基于BP神经网络的软件项目风险评估研究

为了确定软件开发项目中不确定因素的影响,提出基于BP神经网络的软件项目风险评估模型。首先,构建了软件项目风险识别的TEMP（technology、environment、management、process）模型;其次,在TEMP识别模型基础上建立了包括17种风险指标在内的软件项目风险评估指标体系;再次,利用BP神经网络建立了风险评估模型;最后,通过MATLAB实例证明该风险评估模型的有效性和可行性。     

信息安全风险评估研究

从信息系统的安全出发,介绍了风险评估的意义和作用,并阐述了信息风险评估的流程。     

软件风险评估量化分析研究

为解决软件风险评估完全凭借专家经验产生的主观性和模糊性问题,提出了基于进化神经网络模型的软件风险定量评估方法.通过研究软件风险评估过程,提出了软件风险评估指标体系模型,同时运用模糊理论将风险因素量化以此作为进化神经网络的输入值.将改进的粒子群算法(PSO)、BP神经网络相结合,构建了基于改进BP神经网络的进化神经网络模型.对提出的模型和改进的算法进行模拟仿真实验,实验结果表明了该方法对软件风险评估量化分析的可行性.     

基于RBF模糊神经网络的信息安全风险评估

针对传统信息安全风险评估方法的单一性和主观性,提出了新的基于RBF模糊神经网络的信息安全风险评估方法.用模糊集合来模糊化影响评估的因素,构造网络的输入输出,用模糊规则来模拟因素之间的关系,采用增量型模糊神经网络训练方法和批处理型模糊神经网络训练方法相结合的方法来训练网络,并对从模糊规则导出的风险等级去模糊化,得到信息系...     

基于WNN和EGA的信息安全风险评估

为克服传统信息安全风险评估模型在人为权重分配中的主观性,提出一种基于小波神经网络(WNN)和熵权-灰色关联(EGA)的信息安全风险定量评估模型。该模型利用WNN得到风险事件的风险值以及各个实体的风险统计状况,通过EGA得到该风险状况排序,并计算平均风险水平,从而有效评估信息系统的安全风险。     

基于BP神经网络的海关企业风险评估研究与应用

在海关风险管理数据仓库的数据基础上,通过科学设计BP神经网络模型结构,结合Matlab7.0软件在国内首次将一种基于Levengberg-Marquardt学习算法的BP神经网络引入到海关企业分类评估工作中来.通过风险评估模型的实际运行,证明了该改进算法的有效性,同时也有力地提高了海关的企业风险监控水平.     

基于模糊神经网络的信息安全风险评估模型

对信息系统进行有效的风险评估,选择有效的防范措施,主动防御信息威胁是解决信息系统安全问题的关键所在。将神经网络和模糊理论应用于信息安全的风险评估。首先针对信息安全风险评估的不确定性和复杂性,将神经网络理论应用到风险评估。其次,针对神经网络适合定量数据,对于定性指标的分析缺乏相应的处理能力,而风险因素的指标值具有很大的不易确定性等问题,采用模糊评价法对信息安全的风险因素的指标进行量化,对神经网络的输入进行模糊预处理,提出了基于模糊神经网络的风险评估方法。仿真结果表明：模糊神经网络经过训练,可以实时地估算风险因素的级别。     

信息安全风险评估量化模型的研究

对信息和信息处理设施的威胁、影响及信息和信息处理设施自身的脆弱性以及它们出现的可能性进行评估，这就是信息安全风险评估的过程。风险评估的结果将帮助指导和确定合适的管理行动，以及管理信息安全风险和实现所选择控制的优先级，以防范这些风险。     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

人工神经网络在海关风险管理中的应用研究

针对目前我国海关企业风险评估过程中存在的问题,主要介绍了基于BP神经网络的数据挖掘方法,并开创性地将一种基于Levenberg-Marquardt学习算法的BP神经网络引入到海关企业风险评估工作中来。通过企业风险评估模型的实际运行,证明了该改进算法的有效性,同时也有力地提高了海关的企业风险监控水平。     

一个基于神经网络的信息系统安全性综合评估模型

本文提出了一个将神经网络技术与模糊综合评价法结合的评估模型。首先根据信息系统资产的组成以及安全性因素建立层次性的安全性指标体系,使用层次分析法确定指标权重;然后借助安全工具的测试结果,使用模糊综合评估法构造前向神经网络;最后,使用神经网络的反向传播算法调整指标权重。在此模型的基础上,设计并实现了一个信息息系统安全性评估系统。     

基于 BP 神经网络的铁路互联网售票系统信息安全评估方法

互联网售票逐步取代了传统售票方式,在铁路运输生产中发挥至关重要的作用,但由于其向互联网提供服务,面临多个层面的安全风险和威胁,受外部攻击、病毒感染等安全威胁日益增大,一旦遭受攻击或其他因素导致系统宕机或终止服务,产生社会负面影响巨大。针对上述威胁,需要安全维护人员运用科学的方法和手段,系统地分析系统所面临的威胁及其存在的脆弱性,评估安全事件一旦发生可能造成的危害程度,提出有针对性的抵御威胁的防护对策和整改措施,将风险控制在可接受的水平,最大限度地保障信息系统安全。人工神经网络具有常规方法所不具备的智能特性,具有自主获取和学习知识的功能,可以较好地处理不确定性和非线性的问题,目前基于人工神经网络的信息安全风险评估在多个行业中已经开展了研究并得到了应用。相对其他人工神经网络模型,BP 神经网络模型具有较强的非线性映射能力和自学习、自适应能力。首先,采用3层的神经网络能够以任意精度逼近任何非线性连续函数,使其适合于求解内部机制复杂的问题;其次,训练时能够通过学习自动提取输出、输出数据间的“合理规则”,并自适应的将学习内容记忆于网络的权值中。因此,文章根据铁路互联网售票系统复杂网络体系结构,采用具有3层结构的 BP 反向传播人工神经网络模型与之对应,准确反映互联网售票系统面临的各类安全威胁,并利用 BP 神经网络良好的自适应性和容错能力,以互联网售票系统面临的安全风险威胁等级值为训练样本,采用已训练的 BP 网络对互联网售票系统进行安全风险评估,设计了基于 BP 神经网络的风险评估模型,仿真结果表明,设计的模型具有很好的自适应性和容错能力,适用于复杂的互联网售票系统网络,实验数?     

基于BP神经网络的PID控制方法的研究

本文提出了一种基于BP神经网络的PID控制方法,充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。文中采用三层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。计算机仿真结果表明,基于BP神经网络的PID控制较常规的PID控制具有更好的鲁棒性和自适应性,能取得良好的控制效果。     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著;从传感器信息融合的角度看,神经网络就是一个融合系统;通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求.     

基于改进的BP神经网络的网络空间态势感知系统安全评估

文中利用BP神经网络算法建立了网络态势感知等级与感知参数之间的关系,定量评估了态势感知状况。神经网络在这一领域的研究最为成熟,但传统的BP神经网络算法在反馈误差方面速度较慢,且存在易收敛到局部极值的缺点,因此使用变步长学习策略和模拟退火法进行优化,搭建虚拟HoneyNet模拟网络环境,然后利用Matlab软件进行算法仿真,获得的结果与实际情况接近。     

基于BP神经网络的雷达网抗隐身能力评估

为了评估雷达网抗隐身能力,构建了评估的指标体系,建立了雷达网抗隐身能力评估的三层BP神经网络模型,给出了训练样本构造的方法,并用构造的样本对BP神经网络进行训练。运用训练好的神经网络对雷达网抗隐身能力进行评估,结果表明,该方法能够较好地克服人为因素和模糊随机性的影响,具有较高的可行性和可信度。     

BP神经网络在剩余油分布预测中的应用研究

我国多数油田经过一次、二次采油后,仅能采出地下总储量的30%左右,这意味着有60%～70%的剩余石油仍然残留在地下成为剩余油。加强剩余油分布规律研究、提高石油采收率不仅有着可观的经济效应,而且关系到国家石油战略的安全。本研究应用神经网络的原理,基于BP网络使用MATLAB语言建立一个剩余油分布的预测系统。该系统通过学习在地理坐标和孔隙度之间建立一个非线性函数关系,以此来预测任何区域的孔隙度,再通过孔隙度与剩余油饱和度之间的关系达到剩余油分布预测的目的。