導航：安全管理網(wǎng)>> 安全論文>> 綜合安全論文>>正文

信息安全風險評估模型SVRAMIS

文檔作者：吳德劉三陽文檔來源：西安電子科技大學計算機學院		點擊數(shù)：	更新時間： 2021年04月20日
下載地址：點擊這里	文件大?。?296.75 KB 共5頁	文檔格式： PDF	下載點數(shù)： 1 點（VIP免費）

全屏查看

內(nèi)容預覽 [文件共5頁]

本文件共5頁，如需編輯使用，請下載。

注：預覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大?。?96.75 KB 共5頁文件格式：PDF 下載點數(shù)：1 點（VIP會員免費）

下一篇：校園網(wǎng)信息安全初探

上一篇：一種能抵抗拒絕服務攻擊的RFID安全認證協(xié)議

文本預覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

2013年2月
第40卷第1期
西安電子科技大學學報(自然科學版)
JOURNAL 0F XIDIAN UNIVERSITY
Feb．2013
V01．40 No．1
doi：10．3969／j．issn．1001—2400．2013．01．008
信息安全風險評估模型SVRAMIS
吳德，劉三陽
(西安電子科技大學計算機學院，陜西西安710071)
摘要：針對信息安全風險評估存在風險等級劃分不準確和評估時間較長的問題，提出了一種基于支持向
量域描述的信息安全風險評估模型．首先，運用支持向量域描述求得各類信息安全樣本的最小包圍超球，
并通過描述邊界對樣本進行劃分；其次，根據(jù)超球球心、半徑與樣本提供的信息，判斷待測樣本的空間位
置，并實現(xiàn)相應的判別準則．信息安全數(shù)據(jù)上的數(shù)值試驗表明，對不同的核函數(shù)，該模型均能具有較高的訓
練、較高的測試精度以及較短的訓練時間．
關鍵詞：信息安全；風險評估；支持向量域描述；最小包圍超球；空間位置
中圖分類號：TP393 文獻標識碼：A 文章編號：1001—2400(2013)01—0044—04
Risk assessment model of information security SVRAMIS
WU De．L工U Sanyang
(School of Computer Science and Technology，Xidian Univ．，Xi’an 710071，China)
Abstract：To solve the problems in information security risk assessment，such as inaccurate security
classification and long assessment time，a risk assessment model of information security(RAMIS)is
proposed based on Support Vector Domain Description(SVDD)，and is called SVRAMIS for short．Firstly，
SVDD is applied to obtain the minimal enclosing ball(MEB)of each class，and disconnect regions are
obtained by the description boundary．Secondly，based on the information provided by the hypersphere
centers and the hypersphere radius，the positions of the test samples are confirmed，SO that corresponding
discrimination rules can be adopted．Finally，numerical experiments on information security data
demonstrate that，for various kernel functions，the proposed model can lead to high training and testing
accuracies and short training time．
Key Words： information security；risk assessment；SVDD；MEB；space position
隨著政府部門、科研機構、企事業(yè)單位、商業(yè)組織等對信息系統(tǒng)依賴程度的日益增強，信息系統(tǒng)的安全問
題受到了普遍關注．通過風險評估識別信息系統(tǒng)的安全風險來解決潛在的安全問題已經(jīng)得到了廣泛的應用．
風險評估通過對信息系統(tǒng)面臨的威脅、存在的脆弱性以及采取的安全控制措施等方面進行了分析[1]，從
技術和管理兩個層面綜合判斷信息系統(tǒng)面臨的風險．傳統(tǒng)的風險評估方法，例如矩陣法和相乘法，主要依賴
于專家經(jīng)驗，其評估結果的主觀性較大．近幾年，一些研究者提出使用粗糙集模型[2‘3]、貝葉斯網(wǎng)絡模型[41或
支持向量機(SVM)模型L5‘60等方法進行風險評估，取得了一些成果，但這些模型存在一些問題：粗糙集模型
分類精度偏低，貝葉斯網(wǎng)絡模型分類精度取決于類條件概率密度和先驗概率；而SVM模型需要求解一個凸
二次規(guī)劃，該二次規(guī)劃的維數(shù)等于訓練樣本的個數(shù)，所需存貯空間大，計算時間較長．
筆者運用支持向量域描述[7’9]，提出一種信息安全風險評估模型(SVRAMIS)．該模型采取某科研機構
提供的安全實驗室數(shù)據(jù)庫．定義了12種風險指標，并將其轉(zhuǎn)換為1×12維的行向量；依次抽取各類樣本參與
收稿日期：2011-10—04 網(wǎng)絡出版時間：2012-09—25
基金項目：國家自然科學基金資助項目(60974082)
作者簡介：吳德(1979一)，男，西安電子科技大學博士研究生，E—mail：jump—wude@163．com．
網(wǎng)絡出版地址：http：／／www．cnki．net／kcms／detail／61．1076．TN．20120925．1056．201301．52 008．html
萬方數(shù)據(jù)
第1期昊德等：信息安全風險評估模型SVRAMIS 45
支持向量域描(SVDD)Jill練，對信息樣本空間進行劃分‘101；設定相應的分類準則，以得到待識別樣本的安
全類別；將所得樣本的安全類別與庫中存貯的樣本安全類別對比，得到算法的訓練和測試精度；進而建立
SVRAMIS評估模型．
1 SVDD信息安全風險評估模型
信息安全風險評估的依據(jù)是有關信息安全技術與管理標準，是對信息系統(tǒng)及由其處理、傳輸和存儲的信
息的機密性、完整性和可用性等安全屬性進行評價的過程．它要評估資產(chǎn)面臨的威脅，以及威脅利用脆弱性
導致安全事件的可能性，并結合安全事件所涉及的資產(chǎn)價值來判斷安全事件一旦發(fā)生對組織所造成的影響．
構建SVDD信息安全風險評估模型的基本思路如下：根據(jù)采集到的信息樣本，在訓練階段，通過非線性
映射將其映射到一個高維的特征空間，并運用SVDD構建包含相應類別樣本的最小包圍超球；在測試階段，
計算待測樣本與超球球心的距離，根據(jù)該距離與超球半徑的大小關系來判斷樣本的歸屬．
一般來說，信息系統(tǒng)風險要素及安全性分若干級別，也即
若干類．先構建二分類的評估模型，在其基礎上推廣得到多分
類的評估模型．
1．1評估要素和原理
風險分析中涉及資產(chǎn)、威脅、脆弱性3個基本要素．首先
分別對資產(chǎn)、威脅和脆弱性進行識別，分析資產(chǎn)的價值、威脅
出現(xiàn)的頻率和脆弱性的嚴重程度，得出具體的風險評估指標．
根據(jù)這些指標計算風險評估值，判斷出信息系統(tǒng)的安全等級．
分析過程如圖1所示．
1．2二分類評估模型的建立
把信息系統(tǒng){(x：，Y，))(i一1，2，?，z，z+1，?，n)作為安
l資產(chǎn)l I威脅脆弱性
』—L 』』上上—上一上—上一．L 上上
物
木信服采
軟硬理
馬攻息務人
管越取
件件環(huán)或擊泄中抵員理
權的
故故境
病和露斷誤
缺
或安
障障影
毒入和和賴操
陷
濫全
破侵篡棟作用措
響壞改止施
-。。一]一丁-。。一’’‘一—廣-1。一。。。。一-__一‘‘廣。?！?__一
l
風險評估值
圖1風險評估的分析過程
全風險評估訓練的數(shù)據(jù)集，其中，X，∈R。表示采集到的數(shù)據(jù)，Y。∈(1，一1)表示信息系統(tǒng)的安全性依次為安
全和危險兩類．提取對應y，一1的安全類數(shù)據(jù)集{X。}：：。，SVDD試圖找到一個體積最小的超球體，使其包含
全部或大部分樣本X：．對奇異值引入松弛變量e；，并加入正比于違反約束的懲罰C．記最小包圍超球體的半
徑為R，球心為a，則在特征空間訓練SVDD，即為求解如下凸二次規(guī)劃：
f
rain F(R，口，毫)一R2+CΣ毫，
i=l
s．t．(乒(xi)一口)(≯(x。)一口)1≤R2+車， ，i一1，2，?，Z，
0≤毒。， i一1，2，?，Z ，
其中，≯為非線性映射≠：X一聲(x)，它將低維原始空問的數(shù)據(jù)映射為高維非線性空間的數(shù)據(jù)．一般來說，合
適的非線性映射的形式很難確定．引入核函數(shù)K(x，j7)=乒(x)T拳(y)，使內(nèi)積運算可用原空間中的函數(shù)來實
現(xiàn)，而不必知道非線性映射9：X一9(工)的具體形式和高維空間的維數(shù)，從而避免了“維數(shù)災難”，且不增加
計算復雜度．
通過拉格朗日乘子法，可以得到上述規(guī)劃的對偶規(guī)劃，并求得最優(yōu)解為
f f
maxΣa。K(x，．Xi)一Σ叩，K(x一，)，
i=1 }·j=1
￡
s．t．Σ口。一1，0≤ai≤C．
i=1
記最優(yōu)解口’一(d?，口i，?，口?)，對應a：一。的樣本為非支持向量；對應0R：，則z處于A區(qū)域，判斷z歸屬正類．
(2)如果d，R。且d。>R：，則z處于C區(qū)域，或者D區(qū)域．以Sq和S碼作
為參考點，采用KNN判斷z的歸屬．
(3)如果d，>R，且d：

網(wǎng)友評論 more

綜合安全論文最新內(nèi)容

05-04