光纖通信網(wǎng)絡(luò)風(fēng)險評估

光纖通信網(wǎng)絡(luò)風(fēng)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(dāng)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(jì)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(xué)者們對光纖通信網(wǎng)絡(luò)的風(fēng)險評估進(jìn)行廣泛研究最原始風(fēng)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(fēng)險評估結(jié)果不可靠［5］。近些年，一些研究機(jī)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(jī)等光纖通信網(wǎng)絡(luò)的風(fēng)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(jī)等屬于定量分析方法，根據(jù)光纖通信網(wǎng)絡(luò)風(fēng)險的評估指標(biāo)，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(fēng)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(biāo)選擇問題，導(dǎo)致評估指標(biāo)過多，評估結(jié)果和效率均有待進(jìn)一步改善［13］。為了提升光纖通信網(wǎng)絡(luò)風(fēng)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(fēng)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(jìn)行分析。建立光纖通信網(wǎng)絡(luò)風(fēng)險的數(shù)學(xué)模型在光纖通信網(wǎng)絡(luò)風(fēng)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(biāo)的選擇，另一個是光纖通信網(wǎng)絡(luò)風(fēng)險值的預(yù)測算法。假設(shè)選擇第i個樣本的評估指標(biāo)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(fēng)險評估的數(shù)學(xué)模型可以描述。因子分析法選擇光纖網(wǎng)絡(luò)風(fēng)險評估指標(biāo)．1原始評估指標(biāo)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(fēng)險進(jìn)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(biāo)體系，該評估指標(biāo)體系由3層組成，其中最底層為具體的細(xì)化指標(biāo)。2．2因子分析法選擇指標(biāo)對于圖1中的光纖通信網(wǎng)絡(luò)風(fēng)險評估指標(biāo)，各個指標(biāo)對風(fēng)險評估重要水準(zhǔn)不同，且各個指標(biāo)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(jìn)行學(xué)習(xí)，計算時間會相當(dāng)長，對風(fēng)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(fēng)險評估指標(biāo)。光纖通信網(wǎng)絡(luò)風(fēng)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(biāo)作為輸入期望風(fēng)險值作為輸出，建立一種光纖通信網(wǎng)絡(luò)風(fēng)險評估模型，本文選擇支持向量機(jī)(SupportVectorMachine,SVM)作為評估算法。SVM是一種統(tǒng)計學(xué)算法，它要求樣本數(shù)量小，這符合光纖通信網(wǎng)絡(luò)風(fēng)險評估的實際情況,不僅模型復(fù)雜性不太高,而且學(xué)習(xí)能力很強(qiáng),是當(dāng)前公認(rèn)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(fēng)險評估問題,即表示評估指標(biāo)的數(shù)量,yi為對應(yīng)風(fēng)險期望值。3．2因子分析法的光纖通信網(wǎng)絡(luò)風(fēng)險的評估原理因子分析法的光纖通信網(wǎng)絡(luò)風(fēng)險的評估原理：首先構(gòu)建光纖通信網(wǎng)絡(luò)風(fēng)險的評估指標(biāo)體系,然后采用因子分析選擇評估指標(biāo),最后利用支持向量機(jī)建立光纖通信網(wǎng)絡(luò)風(fēng)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(fēng)險歷史數(shù)據(jù)進(jìn)行仿真實驗測試,共得到300個數(shù)據(jù),歸一化的評估指標(biāo)和風(fēng)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(biāo)進(jìn)行因子分析提取主成分，主成分的貢獻(xiàn)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(biāo)，將它們作為支持向量機(jī)的輸入向量。4．3SVM的核函數(shù)選擇當(dāng)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(fēng)險評估精度風(fēng)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(fēng)險評估模型。4.4結(jié)果與分析為了驗證本文方法(FA-SVM)進(jìn)行光纖風(fēng)險評估的性能，選擇原始指標(biāo)的支持向量機(jī)(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(jìn)行對比實驗,隨機(jī)選擇100個樣本組成訓(xùn)練樣本，建立光纖通信網(wǎng)絡(luò)風(fēng)險評估模型，其余樣本對模型性的性能進(jìn)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(fēng)險評估精度還是訓(xùn)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(fēng)險評估指標(biāo)進(jìn)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(fēng)險評估效果,對比結(jié)果證明了本文建模思想的準(zhǔn)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(fēng)險評估精度，訓(xùn)練時間要略長，這說明采用支持向量機(jī)對光纖通信網(wǎng)絡(luò)風(fēng)險評估進(jìn)行建模，可以更好的描述評估指標(biāo)與風(fēng)險值之間的變化關(guān)系，雖然訓(xùn)練速度有所下降，但是隨著計算機(jī)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(fēng)險評估建模思想具有一定的優(yōu)越性。結(jié)論與展望風(fēng)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(fēng)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(jìn)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(biāo)進(jìn)行選擇，減少了評估指標(biāo)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(jī)對光纖通信網(wǎng)絡(luò)