基于BP神经网络和专家系统信息系统风险评估方法研究.docVIP

基于BP神经网络和专家系统信息系统风险评估方法研究 　　摘要：目前的信息系统风险评估方法多是利用单一的方法对风险进行评估，准确性难以得到保证。文章将BP神经网络的定量计算和专家系统理论的定性分析结合在一起，构建了信息系统风险评估模型。所用的BP神经网络引入了遗传算法理论进行优化，处理结果作为专家系统知识库的一部分输入。最后使用传统的层次分析法进行信息整理汇总，得出信息系统风险评估的精确结果。 　　关键词：信息系统；风险评估；BP神经网络；专家系统；层次分析法 　　信息系统风险评估分析方法在风险评估中起着重要的作用，它贯穿于整个信息系统风险评估流程，对被评估系统资产、面临的威胁、脆弱点、安全措施进行有针对性和科学的分析，从而进一步确立信息系统的风险等级，生成科学、有效的风险评估报告。本文在介绍信息系统风险评估中一些常见方法的基础上，着重分析了基于BP神经网络和专家系统的评估方法。 　　 　　一、 信息系统风险评估的常见方法 　　 　　信息系统风险评估方法的选择直接影响到评估过程中的每个环节，甚至可以左右最终的评估结果，所以需要根据系统的具体情况，选择合适的风险评估方法。 　　风险评估的方法有很多种，概括起来可分为三大类：定量的风险评估方法、定性的风险评估方法、定性与定量相结合的评估方法。 　　 　　1． 定量评估方法。定量的评估方法是指运用数量指标来对风险进行评估。典型的定量分析方法有因子分析法、聚类分析法、时序模型、回归模型、等风险图法、决策树法等。 　　定量的评估方法的优点是用直观的数据来表述评估的结果，看起来一目了然，而且比较客观，定量分析方法的采用，可以使研究结果更科学，更严密，更深刻。有时，一个数据所能够说明的问题可能是用一大段文字也不能够阐述清楚的；但常常为了量化，使本来比较复杂的事物简单化、模糊化了，有的风险因素被量化以后还可能被误解和曲解。 　　 　　2． 定性评估方法。定性的评估方法主要依据研究者的知识、经验、历史教训、政策走向及特殊变例等非量化资料对系统风险状况做出判断的过程。它主要以与调查对象的深入访谈做出个案记录为基本资料，然后通过一个理论推导演绎的分析框架，对资料进行编码整理，在此基础上做出调查结论。典型的定性分析方法有因素分析法、逻辑分析法、历史比较法、德尔斐法。 　　定性评估方法的优点是避免了定量方法的缺点，可以挖掘出一些蕴藏很深的思想，使评估的结论更全面、更深刻；但它的主观性很强，对评估者本身的要求很高。 　　 　　3． 定性与定量相结合的综合评估方法。系统风险评估是一个复杂的过程，需要考虑的因素很多，有些评估要素是可以用量化的形式来表达，而对有些要素的量化又是很困难甚至是不可能的，所以我们不主张在风险评估过程中一味地追求量化，也不认为一切都是量化的风险评估过程是科学、准确的。我们认为定量分析是定性分析的基础和前提，定性分析应建立在定量分析的基础上才能揭示客观事物的内在规律。定性分析则是灵魂，是形成概念、观点，做出判断，得出结论所必须依靠的，在复杂的信息系统风险评估过程中，不能将定性分析和定量分析两种方法简单的割裂开来。而是应该将这两种方法融合起来，采用综合的评估方法。 　　 　　二、 基于BP神经网络和专家系统的信息系统风险评估方法 　　 　　该模型是一种集传统的层次分析法（Analytic Hierarchy Process，AHP）、人工神经网络（Artificial Neural Network，ANN）、专家系统（Expert System，ES）为一体的营销风险评估模型（以下简称ＡＡＥ营销风险评估模型）。它充分利用了传统层次分析法的灵活高效性，保持了专家系统的透明性，同时也具有了神经网络的自学习和容错能力。 　　 　　1． AAE风险评估模型。整个模型分为四个部分，如图1示。 　　 　　 　　2． AAE信息系统风险评估的指标体系。把大量的信息系统风险按指标体系进行分类提取，大体上可分为定量指标与定性指标。该指标体系涵盖了信息系统风险的各个方面，共计24个指标。 　　 　　 　　3． AAE信息系统风险评估过程。 　　（1）优化的ＢＰ神经网络处理定量指标。借鉴基于遗传算法的优化设计的前向神经网络，对表1中所提炼的数据进行训练。该神经网络与一般的神经网络不同之处在于其并非采用最小均方误差进行优化，而是基于一种平均风险误差准则，这样做的一个非常明显的好处是可以提高神经网络在训练样本集合外的性能。训练样本集合如表1，异运算删除时，相应的所有有关权重系数的编码被置零，当变异运算增加某个神经元时，随机初始化相应的有关权重系数编码。计算每一个局部变异后的遗传个体适应度，如果比它的父代个体的适应度高，那么用局部变异后的遗传个体直接替代它的父