基于模糊贝叶斯网络的引水隧洞安全评价模型分析

为准确预测黄河引水隧洞安全隐患,提出基于模糊集理论和主观贝叶斯方法的模糊贝叶斯安全评价模型。结合实际巡检数据,模型使用贝叶斯网络处理模糊信息与不确定信息,将巡检数据中给出的多态性故障事件模糊化;再通过贝叶斯网络的条件概率表找出不同故障事件之间的逻辑关系;最后获得对引水隧洞安全模型的整体评价。通过开展引水隧洞安全评价模型实例分析,验证了该方法的可行性。     

信息安全风险概率计算的贝叶斯网络模型

构建了一个基于贝叶斯网络的信息安全风险概率计算模型,并保证其可扩展性、精确性和客观性.模型的网络结构以规划渗透图表现,模型网络参数由专家知识确定并利用贝叶斯学习对其进行更新.实例分析表明构建的模型可以正确量化评估信息安全风险概率.     

基于区块链的计算机通信网络安全风险评估

为实现计算机通信网络的全面安全管控,及时掌握风险态势,设计基于区块链技术的计算机通信网络安全风险评估模型。以区块链技术为基础生成私有化数据区块链并加密所有的数据区块,通过这些数据区块采集计算机通信网络数据后,对这些数据进行汇总并生成网络风险项目账本;依据计算机通信网络数据,构建计算机通信网络安全风险评估指标体系,评估计算机通信网络安全风险。测试结果显示：该模型具备良好的风险计算性能,可获取各个等级的风险,应用性良好,为网络风险管控提供可靠的链上溯源信息。     

基于改进DS证据理论和BN的信息安全风险评估

针对信息安全风险评估过程中专家评价意见的多样性以及不确定信息难以量化处理的问题,提出了一种基于改进的DS证据理论与贝叶斯网络(BN)结合的风险评估方法.首先,在充分研究信息安全风险评估流程和要素的基础上,建立了风险评估模型,确定风险影响因素;其次,根据评估模型并结合专家知识构建相应的贝叶斯网络模型,确定贝叶斯网络模型中的条件概率表;再次,利用基于权值分配和矩阵分析的改进DS证据理论融合多位专家对风险影响因素的评价意见;最后,根据贝叶斯网络模型的推理算法,计算被测信息系统处于不同风险等级的概率值,并对结果进行有效性分析.分析表明,将改进后的DS证据理论与贝叶斯网络应用到风险评估过程中,在一定程度上能够提高评估结果的可信度和直观性.     

基于贝叶斯网络的地铁驾驶员行车作业人因风险分析方法

地铁行业高速发展,地铁运营安全却频频出现问题.本文提出一种基于贝叶斯网络的地铁驾驶员行车作业人因风险分析方法,为保障地铁运营安全提供帮助.首先,运用专业的贝叶斯网络分析软件Netica构建初始的贝叶斯网络模型;编程对现场原始数据库进行数据预处理,得到适合贝叶斯网络学习的训练样本数据库;再利用Netica软件的数据自主学...     

基于贝叶斯网络的攻击事件智能发掘模型

针对目前传统入侵检测系统难以得出网络攻击行为之间存在的关联关系问题,以攻击图表示模型为指引,提出一种基于贝叶斯网络的攻击事件智能发掘模型。本文以先验知识建立贝叶斯攻击行为关联图。基于属性相似度聚合网络攻击行为,针对网络攻击场景设计高效的ExApriori算法发掘攻击行为间的关联规则,并建立攻击行为组集。利用贝叶斯攻击行为关联图的参数对攻击行为组集进行计算,实现对攻击事件的发掘。实验表明,本模型能有效提取网络攻击事件及发现攻击路径,为网络攻击事件的发现与应对措施提供理论支持和技术支撑。     

基于企业价值提升的区块链与认证识别的双模态机制研究

本文从企业价值提升视角为解决企业财务管理系 统安全风险、实现企业财务资源要素 智能化管理提供一种新的思路。通过将区块链与深度置信网络构建的认证识别算法用于企业 财务系统安全加密,提出了一种双模态机制,优化了企业财务信息安全保障策略。根据模型 设计方案,首先对基于区块链的智能化公司财务管理系统提出设计方案,并提出基于深度置 信网络的识别技术算法,最后通过模拟企业财务系统被攻击与保卫状态验证了模型的可靠性 及高效性。     

基于贝叶斯网络的装备供应链可靠性评估模型

为对装备供应链可靠性进行评估,构建了一种基于贝叶斯网络的评估模型.首先,阐述了装备供应链可靠性的基本概念,然后,介绍了装备供应链的主要环节,最后,根据贝叶斯网络的基本原理,将装备供应链的故障树模型转化为贝叶斯网络模型.     

基于改进FAHP-BN的信息系统安全态势评估方法

针对信息系统安全态势评估中安全风险等级确定问题,提出了一种利用改进的模糊层次分析法(FAHP)和贝叶斯网络推理评估安全态势的方法.采用改进的FAHP,解决了评估中难以衡量的攻击严重性因素的量化问题;同时,结合专家知识定义了推理规则下各因素的条件概率矩阵,进而建立了态势评估的贝叶斯网络推理模型,并给出了基于此模型的评估方法.实例分析表明,该方法合理有效,可为信息系统安全态势评估提供一种新思路.     

动态贝叶斯网络用于雷达遮盖干扰效果评估

依据电子战实际作战环境,以可代表性和可观测性为标准,选取压制干扰效果评估指标;提出基于动态贝叶斯网络的效果评估模型,对若干可观测的目标特征参数进行综合推理;推导了动态贝叶斯网络的推理算法。分析结果表明,动态贝叶斯网络能够综合目标雷达不同的毁伤效果信息进行较为合理的评估;与静态贝叶斯网络相比,动态贝叶斯网络无论在准确性上,还是在滤波平滑能力上都要优于静态贝叶斯网络。     

基于动态云贝叶斯网络的舰艇防空目标威胁评估

针对目标威胁评估中信息表达的不确定性以及威胁评估模型专家网络结构的主观性,提出一种基于结构学习的动态云贝叶斯网络评估模型.首先,利用云模型良好的知识表达能力定量描述不确定连续性信息;其次,使用爬山算法进行结构学习,综合专家提出的网络结构构建贝叶斯网络;接着引入时间变量,将其扩展成为动态贝叶斯网络,然后用最大似然概率估计...     

基于混合贝叶斯网络的混合系统安全性分析方法

安全关键系统的安全性分析模型本质上是离散和连续失效分布共存的混合模型.传统的故障树和马尔科夫链分析方法仅能处理离散分布或指数分布的系统,难以对混合系统进行安全性分析.针对该问题,以DFT系统安全模型为基础,提出一种基于混合贝叶斯网络的混合系统安全性分析新方法.首先,利用狄拉克函数和单位阶跃函数分别表示动态故障树节点间的确定性关系和时序关系,将动态故障树转换为贝叶斯网络.然后,通过分段多项式来拟合网络节点的不同失效分布,提出一种k段n次多项式混合贝叶斯网络来表示动态故障树.最后,给出该混合贝叶斯网络的推理算法.实验分析表明本方法能有效地进行混合系统安全性分析.     

面向战场态势评估的联合树相关推理

本文首先从战场态势与事件间的因果关系出发,构建了用于态势评估的贝叶斯网络推理模型;分析了联合树算法在态势评估中所存在的问题,结合基于D分离的相关推理在模型结构挖掘方面的特性,提出了一种联合树相关推理方法;最后,通过实验验证了该方法的有效性和准确性,为态势评估下的精确推理提供了一种有效的解决方案。     

探索基于区块链的网络隐私数据安全防护举措

现阶段,基于网络隐私数据相关保护机制是可以最大程度保护用户传输相关数据以及隐私,再配合数据共享等技术手段,能在不同节点之间有效交换数据,此举避免不法之徒的恶意攻击和盗取数据。鉴于此,文章首先论述了基于区块链模型设计的相关原理,其次探讨了安全防护模型具体构建的举措,第三针对相关安全防护模型进行了性能测试分析,最后论述了基于区块链的网络隐私数据安全防护模型设计过程当中相关注意事项,希望该文论述能为我国网络数据安全保护工程顺畅有序的开展,提供一些帮助和借鉴。     

基于博弈论的网络攻防行为建模与态势演化分析

网络安全本质在对抗。针对现有研究缺乏从博弈视角分析网络攻防行为与态势演化关系的问题,该文提出一种网络攻防博弈架构模型(NADGM),借鉴传染病动力学理论以不同安全状态网络节点密度定义网络攻防态势,分析网络节点安全状态转移路径;以网络勒索病毒攻防博弈为例,使用NetLogo多Agent仿真工具开展不同场景下攻防态势演化趋势对比实验,得出增强网络防御效能的结论。实验结果验证了模型方法的有效性和可行性。     

基于贝叶斯优化的CNN-GRU短期电力负荷预测

为了提高短期电力负荷预测精度,针对负荷数据时序性与非线性的特点,提出一种基于贝叶斯优化的CNNGRU短期电力负荷预测模型。首先,将电力负荷数据按时间滑动窗口构造连续特征作为输入,采用CNN对负荷数据进行特征提取,将特征以时序序列方式作为GRU网络输入;然后通过GRU网络进行短期负荷预测,构建CNN-GRU预测模型。针对CNN-GRU模型易陷入局部最优以及超参数寻找难的问题,利用贝叶斯优化寻找最优超参数组合,对模型进行超参数优化,构建贝叶斯优化的CNN-GRU短期电力负荷预测模型。实验结果表明,贝叶斯优化的CNN-GRU模型的MAE值比传统的CNN-GRU网络模型降低58%,精度提升1.23%,说明所提模型能够有效提高负荷预测精度,可作为短期电力负荷预测工具。     

基于贝叶斯网络的通信网告警相关性和故障诊断模型

该文采用贝叶斯网络建立告警相关性和故障诊断模型。首先介绍了基于贝叶斯网络推理的基本概念。提出了通信网功能分层结构的思想,建立不同网络层次间的故障传播模型。详细讨论了从故障传播模型中构造贝叶斯网络,以及分布式告警相关性模型的实现框架。最后结合SDH over DWDM系统,具体分析了基于贝叶斯网络的告警相关性分析过程及实验结果。实验证明利用贝叶斯网络能够准确定位通信网根故障点。     

基于Attention深度随机森林的社区演化事件预测

在网络结构不断变化的同时,社区结构也随之演化.社区结构在不同时间片的变化可定义为四种不同的演化事件：持续、分离、融合和消失.本文运用网络表示学习的方法,对网络进行图嵌入编码映射到低维向量空间中,研究动态社区演化事件的预测.特征方面,在传统的社区内部属性特征、时间片间属性特性变化和前段时间片的社区演化事件的特征维度的基础上,引入潜在结构特征表征四种演化事件,运用随机游走和Softmax思想获取潜在的结构特征;模型方面,引入深度随机森林的策略,同时采用attention机制、蒙特卡洛特征采样策略进行特征融合和特征训练,克服了已有算法仅获取局部结构特征的缺陷.实验在DBLP、FACEBOOK和Bitcoin数据集上,对比SVM、XGBOOST和RIDGE模型训练,证实了新提出的算法模型对最终预测准确率有很大的提升.     

基于深度动态贝叶斯网络的服务功能链故障诊断算法

针对5G端到端网络切片场景下底层物理节点出现故障会导致运行在其上的多条服务功能链出现性能异常的问题,该文提出一种基于深度动态贝叶斯网络(DDBN)的服务功能链故障诊断算法。首先根据网络虚拟化环境下故障的多层传播关系,构建故障与症状的依赖图模型,并采用在物理节点监测其上多个虚拟网络功能相关性能数据的方式收集症状。其次,考虑到基于软件定义网络(SDN)和网络功能虚拟化(NFV)的架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性,引入深度信念网络对观测数据特征进行提取,使用加入动量项的自适应学习率算法对模型进行微调以加快收敛速度。最后,利用故障传播的时间相关性,引入动态贝叶斯网络对故障根源进行实时诊断。仿真结果表明,该算法能够有效地诊断故障根源且具有良好的诊断准确度。     

基于条件独立测试的链图结构学习算法

链图是贝叶斯网络和马尔科夫网络的自然推广,具有较强的表达能力.但目前关于链图结构学习算法的研究较少.本文基于贝叶斯网络结构学习的Grow-Shrink算法思想,提出一种链图等价类结构学习算法.该算法首先利用网络中结点的局部邻域信息,学习结点的邻接结点恢复网络骨架;然后根据链图复合体有向边的特点,利用条件独立测试确定网络的复合体有向边,从而恢复链图结构.理论分析和实验结果表明了该算法的正确性和有效性.