首页|基于改进PSO算法优化SVR的信息安全风险评估研究

基于改进PSO算法优化SVR的信息安全风险评估研究

扫码查看
原文链接
  • 万方数据
  • 维普
为改善信息安全风险评价的精确度,利用改进的粒子群算法,提出了一种新的优化回归型支持向量机的信息安全风险评估方法.首先,通过模糊理论对信息安全风险因素进行量化预处理;其次,经过预处理后的数据输入到回归型支持向量机模型中;再次,利用改进的粒子群算法来优化和训练回归型支持向量机的参数,得到了优化后的信息安全风险评估模型;最后,通过仿真实验对该模型的性能进行验证.实验结果表明,提出的方法能很好地量化评估信息系统风险,提高了信息安全风险评估的精确性,是一种有效的评估方法.
Research on Risk Assessment of Information Security Based on SVR Optimized by Improved PSO Algorithm
To improve the accuracy of information security risk assessment,a method of information security risk assessment based on support vector regression(SVR)optimized by improved particle swarm optimizatio(PSO)algorithm is proposed.First,the indexes of information security risk factors are pre-treated by fuzzy theory,and the pre-treated data is inputted to the SVR model.Then,the improved PSO algorithm is used to optimize the parameters of SVR.Moreover,the SVR model is trained and an optimized information security risk assessment model is obtained.Finally,the performance of the model is verified by the simulation experiment.The experimental results show that the risk of information security can be better quantified and the accuracy of information security risk assessment is increased by the proposed method.So,the method is an effective method.

information securityrisk assessmentfuzzy theorysupport vector regressionparticle swarm optimization algorithmparameter optimization

任远芳、牛坤、丁静、谢刚

展开 >

贵州大学 网络与信息化管理中心,贵州 贵阳 550025

贵州大学 教务处,贵州 贵阳 550025

贵州大学 计算机科学与技术学院,贵州 贵阳 550025

贵州思大智慧教育科技有限公司,贵州 贵阳 550025

展开 >

信息安全 风险评估 模糊理论 回归型支持向量机 粒子群算法 参数优化

贵州省省级本科教学内容和课程体系改革资助项目贵州省科技计划贵州大学引进人才科研项目

2022&25黔科合支撑[2023]一般371贵大人基合字2022[21]

2024

10.15958/j.cnki.gdxbzrb.2024.01.16

贵州大学学报(自然科学版)
贵州大学

贵州大学学报(自然科学版)

CSTPCD
影响因子：0.396
ISSN：1000-5269
年,卷(期)：2024.41(1)
  • 1
  • 12