基于支持向量回归机的计算机网络安全评价研究.docVIP

基于支持向量回归机的计算机网络安全评价研究 　　摘 要： 针对神经网络方法在计算机网络安全评价问题方面存在的不足，提出了一种新的基于支持向量回归机的计算机网络安全评价方法。首先探讨了指标体系构建的原则，进一步建立了计算机网络安全评价指标体系，然后给出了指标的规范化方法并对计算机网络安全等级进行了划分，最后构建了基于支持向量回归机的计算机网络安全评价模型并给出了仿真实例。仿真实例的结果表明， 所建立的评价模型具有较强的泛化能力，预测的精度较高。 　　关键词： 神经网络； 网络安全； 支持向量机； 支持向量回归机 　　中图分类号： TN915.08?34； TP393 文献标识码： A 文章编号： 1004?373X（2016）07?0089?04 　　Abstract： Since the neural network method has the deficiency in the aspect of computer network security evaluation， a new method of computer network security evaluation based on support vector regression machine is proposed. The principle of the index system construction is discussed to establish the index system of computer network security evaluation. The standardization method of the index is given. The computer network security grade is divided. The computer network security evaluation model based on support vector regression machine was established， and the simulation example was given. The results of simulation example show that the established evaluation model has strong generalization ability and high forecast precision. 　　Keywords： neural network； network security； support vector machine； support vector regression machine 　　0 引 言 　　随着信息化进程的不断加快，计算机网络已在各个领域得到广泛应用，并给人类的生产、生活带来了极大的便利和巨大的经济效益；但与此同时，计算机网络安全问题却日益突出，如何客观、科学地评价计算机网络安全已成为计算机网络安全研究领域的重要课题。针对此问题，国内许多学者都进行了相关研究并提出了多种评价方法，如层次分析法、模糊综合评价法、灰色评价法等主观评价方法[1]。主观评价法在确定权重时随意性大，受专家的经验和知识等因素影响，很难得出被广为认可的结论。鉴于此，很多学者提出了基于神经网络的评价方法，并取得了较好的评价效果[2?5]。但是，神经网络方法存在一些固有的缺点，如网络的结构不好确定、收敛速度慢、易陷入局部极值、过学习、推广能力不强和训练需要大量数据样本等问题。支持向量机（Support Vector Machine，SVM）是V.Vapnik等人于20世纪90年代在统计学习理论的基础上发展起来的一种新型机器学习算法，其克服了神经网络方法很多固有的缺点[6]。它通过结构风险最小化准则较好地解决了以往许多机器学习方法中高维数、非线性和小样本等难题，具有训练时间短、全局优化、泛化性能好、适应性强和抗干扰能力强等优点，在预测、模式识别、系统辨识、故障诊断、优化控制和数据挖掘等领域得到了广泛的应用[7]。支持向量回归机（Support Vector Regression，SVR）是支持向量机在回归领域的应用，被广泛应用于各种预测问题并取得了非常理想的效果。因此，本文利用支持向量回归机来解决计算机网络安全评价问题。 　　1 计算机网络安全评价指标体系的构建 　　建立科学、合理的评价指标体系是进行计算机网络安全评价的基础和前提，影响计算机网络安全评价的因素有很多，并且多种因素相互影响。评价指标过多或过少都会影响评价的效果，评价指标过多，存在重复性，会受干扰；评价指标过少，可能所选的指标缺乏足够的代表性，