基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型分析

◆高小虎

（江蘇商貿(mào)職業(yè)學(xué)院 江蘇 226011）

基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型分析

◆高小虎

（江蘇商貿(mào)職業(yè)學(xué)院 江蘇 226011）

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，創(chuàng)新了傳統(tǒng)文件處理及辦公自動(dòng)化技術(shù)，成為以復(fù)雜內(nèi)、外部網(wǎng)及全球互聯(lián)網(wǎng)為基礎(chǔ)的現(xiàn)代計(jì)算機(jī)處理業(yè)務(wù)，隨之計(jì)算機(jī)系統(tǒng)的連接能力也有了進(jìn)一步的提高。在此背景下，網(wǎng)絡(luò)連接安全問(wèn)題也逐漸凸顯出來(lái)，為了有效解決計(jì)算機(jī)網(wǎng)絡(luò)安全問(wèn)題，相關(guān)專家相繼提出了多種神經(jīng)元模型，具有重要作用的要數(shù)神經(jīng)網(wǎng)絡(luò)，其常常在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)中使用。基于此，本文就以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，研究計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型。

神經(jīng)網(wǎng)絡(luò)；網(wǎng)絡(luò)安全評(píng)價(jià)；仿真模型

0 引言

由于網(wǎng)絡(luò)技術(shù)飛快的發(fā)展，其信息系統(tǒng)存在較大的安全風(fēng)險(xiǎn)威脅，創(chuàng)建計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型，以此創(chuàng)建具有檢測(cè)方法及風(fēng)險(xiǎn)評(píng)估的網(wǎng)絡(luò)安全評(píng)價(jià)系統(tǒng)，確保計(jì)算機(jī)網(wǎng)絡(luò)信息的安全性。

1 計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)體系

計(jì)算機(jī)網(wǎng)絡(luò)屬于較為復(fù)雜的網(wǎng)絡(luò)，所以要全面考慮能夠影響網(wǎng)絡(luò)安全的所有因素，以此才能夠使計(jì)算機(jī)網(wǎng)絡(luò)評(píng)價(jià)指標(biāo)更加嚴(yán)謹(jǐn)。計(jì)算機(jī)網(wǎng)絡(luò)安全指標(biāo)全方面的反映出了計(jì)算機(jī)的安全情況，因?yàn)椴煌踩笜?biāo)的量綱不同，所以不能夠直接比較，為了能夠使安全指標(biāo)之間能夠相互的運(yùn)算和比較，所以就要對(duì)安全指標(biāo)統(tǒng)一處理[1]，安全指標(biāo)權(quán)值表示為：

xi=xi-xmin/xmax-xmin

xi表示為安全指標(biāo)統(tǒng)一標(biāo)準(zhǔn)權(quán)值，xmax表示為第i個(gè)安全指標(biāo)最大權(quán)值，xmin表示為第i個(gè)安全指標(biāo)最小權(quán)值。

根據(jù)安全指標(biāo)權(quán)重，可以將安全等級(jí)分為ABCD四個(gè)等級(jí)，A表示安全，B基本安全，C表示不安全，D表示非常不安全。

BP神經(jīng)網(wǎng)絡(luò)具體來(lái)說(shuō)就是以逆向誤差為基礎(chǔ)的一種技術(shù)，現(xiàn)在的神經(jīng)網(wǎng)絡(luò)計(jì)算是在梯度下降設(shè)計(jì)的基礎(chǔ)上進(jìn)行的，并且適當(dāng)?shù)膶?duì)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行調(diào)整，能夠降低輸出期望值及實(shí)際輸出值的誤差。為了能夠彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)中的缺點(diǎn)，可以通過(guò)GA算法進(jìn)行改善，具體步驟為：

將BP神經(jīng)網(wǎng)絡(luò)目標(biāo)向量及傳遞函數(shù)進(jìn)行初始化；

根據(jù)實(shí)際需求設(shè)置粒子群的最大規(guī)模、迭代上限次數(shù)、位置及初始速度；

通過(guò)訓(xùn)練集訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，對(duì)粒子的適應(yīng)狀態(tài)進(jìn)行評(píng)價(jià)；將BP神經(jīng)網(wǎng)絡(luò)的慣性權(quán)值進(jìn)行計(jì)算；

對(duì)粒子位置及速度及時(shí)更新，將粒子群體及個(gè)體之間的適應(yīng)值差距進(jìn)行保存；

根據(jù)誤差及迭代次數(shù)的上限，如果誤差超過(guò)一個(gè)，那么結(jié)束訓(xùn)練，這個(gè)時(shí)候的粒子全局最優(yōu)值就是神經(jīng)網(wǎng)絡(luò)中的最優(yōu)閾值及權(quán)值[2]。

2 基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型

2.1 權(quán)系值及染色體位串編碼

本節(jié)以BP神經(jīng)網(wǎng)絡(luò)為例，計(jì)算其訓(xùn)練結(jié)果，共具有四個(gè)矩陣，在設(shè)定的時(shí)候，使i表示輸入節(jié)點(diǎn)、k表示輸出節(jié)點(diǎn)、j表示隱含節(jié)點(diǎn)，具體表現(xiàn)為以下：

輸入層至隱含層的權(quán)值矩陣表示為：

W=w11,w12,...,w1j;w21,w22,...,w2j;w31,w32,...,w3j;w41,w42,...,w4j

隱含層的閾值矩陣表示為：

γ=γ1，γ2，...，γj

隱含層至輸出層的權(quán)值矩陣表示為：

V=v11,v12,...,v1j;v21,v22,...,v2j;v31,v32,...,v3j;v41,v42,...,v4j

輸出層的閾值矩陣表示為：

h=h1，h2，...，hj

為了使用GA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值，首先就要優(yōu)化以上矩陣，使其形成染色體串，從而編碼[3]。

2.2 自適應(yīng)函數(shù)

通過(guò)GA算法優(yōu)化權(quán)值首先就要設(shè)計(jì)函數(shù)，要求此函數(shù)能夠基于輸出層誤差，并且能夠評(píng)價(jià)染色體及具有自適應(yīng)功能，此函數(shù)的的表達(dá)式為：

ft=1/E t=1,2,3...

2.3 神經(jīng)網(wǎng)絡(luò)算法

初始化樣本數(shù)據(jù)，在相應(yīng)的矩陣中錄入樣本數(shù)據(jù)，輸入矩陣表示為input（s=1,2，...，i），輸出數(shù)據(jù)表示為output（s=1,2，...，j）。使學(xué)習(xí)速率為α和β，使其生成染色體數(shù)據(jù)，表示為（ιs=ι，...，N），分別設(shè)定雜交概率及變異概率，雜交概率表示為 Pc，變異概率表示為Pm；

Until滿足以上條件的需求；

開(kāi)始；

For istep=1 to N do；

開(kāi)始；

本文中的染色體所對(duì)應(yīng)的編碼得到的矩陣分別為W、γ和V；

使Z為0；

對(duì)所有樣本通過(guò)上述矩陣計(jì)算相對(duì)應(yīng)的誤差及誤差總和，誤差表示為誤差綜合表示為

通過(guò)Ζ及ft=1/E，對(duì)染色體自適應(yīng)函數(shù)值進(jìn)行計(jì)算；

以所有染色體自適應(yīng)函數(shù)值重復(fù)上述操作；

交換；

開(kāi)始；

變換；

結(jié)束；

開(kāi)始；

變異；

結(jié)束。

以上為GABP算法實(shí)現(xiàn)的具體步驟[4]。

2.4 GA算法的實(shí)現(xiàn)步驟

首先，對(duì)權(quán)系進(jìn)行編碼。由于系統(tǒng)中具有96個(gè)變量，所以本文中所研究的神經(jīng)網(wǎng)絡(luò)的權(quán)值系數(shù)在編碼的時(shí)候使用的是實(shí)數(shù)。如果是一般情況的話，在進(jìn)行編碼的時(shí)候都是使用二進(jìn)制。

編碼具體為：

圖1 GA算法編碼圖

σi（i=1,2，...，17）表示為單元的數(shù)量。

另外，初始化及自適應(yīng)函數(shù)。GA算法的搜索最優(yōu)函數(shù)表示為θc=（cij，bij），使minE=（1/2）∑（yak-yi）2，其中yak表示為期望輸出，yi表示實(shí)際輸出，以此得到各個(gè)染色體的適應(yīng)度，表示為ft=（1/E）（t=1,2,3，...）[5]。

其次，選擇比例。選擇比例是在賭輪法的基礎(chǔ)上選擇的概率分布過(guò)程，其主要表示為：

（1）將單個(gè)染色體的適應(yīng)值進(jìn)行計(jì)算，適應(yīng)值表示為 eval（θi）；

在羅盤(pán)轉(zhuǎn)動(dòng)popsize次的時(shí)候，根據(jù)對(duì)應(yīng)的方式選擇單個(gè)染色體；

之后，雜交。雜交主要有兩種方式，其一，根據(jù)遺傳算法雜交，此種方法較為簡(jiǎn)單，類似于二進(jìn)制，就是劃分浮點(diǎn)數(shù)；其二，根據(jù)算數(shù)雜交，就是組合兩個(gè)不同的變量。

最后，變異。本文中所研究的仿真模型使用的為均勻變異，被變異的個(gè)體要有一個(gè)良好的適應(yīng)值，以此接受全新的成員，從而代替編譯之前的群體。

3 計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型的實(shí)現(xiàn)

本文中所研究的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)模型通過(guò) Matlab語(yǔ)言進(jìn)行實(shí)現(xiàn)，神經(jīng)網(wǎng)絡(luò)有五個(gè)隱藏節(jié)點(diǎn)，將閾值系數(shù)的值調(diào)整為0.1，將權(quán)值的參數(shù)調(diào)整為0.1，通過(guò)多次訓(xùn)練，其結(jié)果收斂在要求誤差的范圍之內(nèi)。所以本文中的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型是可靠有效的，實(shí)際輸出值與預(yù)期值的相對(duì)誤差小于 3.7%，安全等于與預(yù)期的值相同。

4 結(jié)束語(yǔ)

本文通過(guò)GA算法彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)中的缺點(diǎn)，之后淺述了以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型，并且對(duì)其進(jìn)行了實(shí)現(xiàn)。通過(guò)評(píng)價(jià)可以看出來(lái)，本文中的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)模型是可靠真實(shí)的，并且擁有優(yōu)異的性能，具有一定的理論價(jià)值。

[1]溫斯琴, 王彪.基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型[J].現(xiàn)代電子技術(shù), 2017.

[2]王偉.基于概率神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全仿真分析[J].制造業(yè)自動(dòng)化，2010.

[3]胡春.基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)估體系研究[J].電腦知識(shí)與技術(shù):學(xué)術(shù)交流，2015.

[4]杜濤.基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)技術(shù)[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2015.

[5]史望聰.神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)中的應(yīng)用分析[J].自動(dòng)化與儀器儀表，2016.