CN107454105B - 一种基于ahp与灰色关联的多维网络安全评估方法 - Google Patents

一种基于ahp与灰色关联的多维网络安全评估方法 Download PDF

Info

Publication number
CN107454105B
CN107454105B CN201710833313.9A CN201710833313A CN107454105B CN 107454105 B CN107454105 B CN 107454105B CN 201710833313 A CN201710833313 A CN 201710833313A CN 107454105 B CN107454105 B CN 107454105B
Authority
CN
China
Prior art keywords
network
security
network security
index
layer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710833313.9A
Other languages
English (en)
Other versions
CN107454105A (zh
Inventor
薛静锋
赵小林
王婷
马锐
陈全保
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201710833313.9A priority Critical patent/CN107454105B/zh
Publication of CN107454105A publication Critical patent/CN107454105A/zh
Application granted granted Critical
Publication of CN107454105B publication Critical patent/CN107454105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1433—Vulnerability analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general

Abstract

本发明针对以上网络安全评估指标片面、难以严格量化的问题，提出一种基于AHP(层次分析法)与灰色关联的多维网络安全评估方法。步骤一、建立多维网络安全评估模型；步骤二、基于AHP确定步骤一建立的多维网络安全评估模型中各模型所包含因素的权重；步骤三、基于灰色关联理论量化网络安全：通过相似程度的量化表示待评估网络的安全性。

Description

一种基于AHP与灰色关联的多维网络安全评估方法
技术领域
本发明涉及一种基于AHP与灰色关联的多维网络安全评估方法，属于网络安全技术领域。
背景技术
随着“互联网+”行动计划的实施，网络安全攻击事件将愈演愈烈，网络安全威胁已经成为影响国家安全和经济发展的严重挑战之一。例如，近期在全球多个国家爆发的勒索病毒攻击事件，中国的校园网络也成为重灾区，全国多所高校出现病毒感染，大量学生的毕业论文等重要资料被病毒加密篡改，只有支付赎金才能恢复，这给正值高校毕业季的人们带来了极大的负面效应。
为了应对日益突出且严峻的网络安全问题，专业学者认为，除了在系统设计阶段充分考虑其安全性，还需要对网络安全进行评估，以便根据评估结果进行网络安全风险控制。目前，国内在网络安全量化评估方面使用的指标比较片面，获取信息的途径也较为单一，缺乏对整个网络系统性的考虑，不能满足当前形势对网络安全的需求。同时，由于网络环境的复杂性，相同的安全评估指标在不同的信息系统中其重要性是不同的，许多学者应用于网络安全评估领域的方法不能很好地考虑网络系统客观环境和人为因素的影响，加上网络安全很难被严格量化，因此，利用完全定量的网络安全评价方法很难实现对网络安全性的准确评估。
从公开发表的文献来看，国内外具有一定代表性的网络安全评估方法可以分为以下三大类：基于数学模型的方法、基于知识推理的方法、基于模式识别的方法。现有的网络安全性评估方法大多是从信息系统的静态安全属性出发，侧重描述性的孤立评估系统安全，对不同维度缺少综合性的分析。同时，某些研究虽然针对某些方法量化了风险值，但由于没有考虑各种因素的相互影响，评估的因素不够系统，不能准确量化反映网络的安全状况。
发明内容
本发明针对以上网络安全评估指标片面、难以严格量化的问题，提出一种基于AHP(层次分析法)与灰色关联的多维网络安全评估方法。
本发明的技术方案如下：
一种基于AHP与灰色关联的多维网络安全评估方法，包括以下步骤：
步骤一、建立多维网络安全评估模型：首先将网络安全划分为三个维度，分别为网络环境安全、网络可靠性安全和网络漏洞安全；然后根据所述三个维度分别建立网络环境安全评估模型、网络可靠性安全评估模型、网络漏洞安全评估模型；
步骤二、基于AHP确定步骤一建立的多维网络安全评估模型中各模型所包含因素的权重：将网络安全问题分解为各个组成因素，并按照组成因素之间的支配关系对其进行分组，形成有序的递阶层次结构，通过两两比较的方式确定层次结构中各项因素的相对重要性,从而确定各项因素的权重；
步骤三、基于灰色关联理论量化网络安全：将多维网络安全评估模型中包含的组成因素抽象为一条曲线上的点，在此基础上绘制网络安全参考对象曲线和待识别对象曲线，依次比较并量化参考对象曲线和待识别对象曲线之间各指标因素的贴近度，然后根据指标因素和步骤二中确定的权重，计算参考对象曲线和待识别对象曲线之间的关联度，比较关联度的大小来判断待识别对象对参考对象的相似程度；通过所述相似程度的量化表示待评估网络的安全性。
本发明的有益效果：
1、本发明针对网络安全评估维度缺少综合性分析的问题，以网络理论、AHP、灰色关联分析理论以及数学模型为基础，综合考虑网络基础运行、网络可靠性、漏洞威胁等因素，构建面向环境安全、可靠性安全、漏洞安全的多维网络安全评估模型，实现对网络安全的综合评估。
2、本发明针对网络安全评估难以准确量化的问题，基于多维网络安全评估模型，考虑到不同安全指标因素对网络安全的影响程度不同，引入AHP确定网络安全指标权重，具有高度的逻辑性和灵活性，能够把一定的模糊性因素进行量化，可以有效解决网络安全多因素、多层次和非定量化条件下的评估问题。
3、本发明结合灰色关联分析理论进行扩展和改进，通过计算网络理想状态与实际状态之间的灰色关联度，对网络安全进行量化评估，完善网络安全分析与计算方法。与传统的网络安全评估方法相比较，本发明提出的网络安全评估方法具有较大的优势，评价结果更加准确，结论更有说服力。
附图说明
图1是本发明基于AHP与灰色关联的多维网络安全评估方法示意图；
图2是本发明多维网络安全评估模型图；
图3是本发明基于AHP计算指标权重流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步阐述。
本发明的基本思想是：本发明构建了多维网络安全评估模型，分别从环境安全、可靠性安全以及漏洞安全三个维度对网络安全进行综合评估，同时，结合AHP(层次分析法)与灰色关联分析技术对网络安全进行量化评估，综合考虑网络安全中定性因素与定量因素之间的关系，有效解决网络安全综合量化评估中存在的多层次、多因素和非定量化问题。
一、多维网络安全评估模型
网络安全评估的实质是对影响网络安全因素的风险进行评估，选取的网络安全评价指标是否合理，关系到能否充分发挥网络安全评估的作用和功能。因此，建立一个合理有效的网络安全评估模型十分重要。本发明将网络安全划分为三个具有代表性的维度，分别为网络环境安全、网络可靠性安全和网络漏洞安全。三个维度较大程度上覆盖了网络安全的整体范围，能够全方位地对网络安全进行综合评估。
在研究网络安全度量理论的基础上，分析总结现有的网络安全评估指标体系，以网络安全评估模型构建原则为指导，综合网络基础运行、网络可靠性、漏洞威胁等因素，构建基于环境安全、可靠性安全、漏洞安全的多维网络安全评估模型，如图2所示。
面向环境安全、可靠性安全以及漏洞安全三个维度的网络安全评估模型是基于网络安全影响因素分类理论的，综合考虑了影响网络安全性因素的各种来源。而且，各个维度之间相互独立，能够从不同的角度反映网络安全在不同侧面的主要特征和状态，同时又具有一定的逻辑关系，能够反映整个网络系统的整体安全性。除此之外，基于每个维度的网络安全评估都有各自的指标量化方法。因此，面向环境安全、可靠性安全以及漏洞安全三个维度的网络安全评估模型具有较强的完备性。
基于环境安全维度的网络安全评估模型下设3个一级评估指标，分别为主机状态指数、网络状态指数以及关键设备健康指数。其中，主机状态指数下设3个二级评估指标，分别为磁盘占用率、CPU利用率以及内存占用率；网络状态指数下设3个二级评估指标，分别为峰值流量、平均流量以及带宽利用率；关键设备健康指数下设3个二级评估指标，分别为核心交换机负载、路由器健康指数以及端口流量。
基于可靠性安全维度的网络安全评估模型下设3个一级评估指标，分别为抗毁性指数、生存性指数以及有效性指数。其中，抗毁性指数下设2个二级评估指标，分别为连接度和粘聚度；生存性指数下设3个二级评估指标，分别为端端可靠度、K端可靠度以及全端可靠度；有效性指数下设2个二级评估指标，分别为吞吐量和传输时延指数。
基于漏洞安全维度的网络安全评估模型下设2个一级评估指标，分别为硬件漏洞安全指数和软件漏洞安全指数。其中，硬件漏洞安全指数下设2个二级评估指标，分别为电磁泄漏指数和因素移动存储介质数量；软件漏洞安全指数下设3个二级评估指标，分别为应用软件漏洞数量、操作系统漏洞数量以及服务器漏洞数量。
面向环境安全、可靠性安全以及漏洞安全三个维度的网络安全评估模型还存在一定的进步空间。例如，本发明只考虑了维度因素，在网络规模较大时，可以适当扩展评估粒度。同时，对于模型中一些指标因素的量化方法比较粗糙，可以在未来的研究中加以完善。
二、基于AHP确定各指标因素权重
在复杂的网络环境中，不同因素对网络安全的影响程度是不同的，而相同的指标因素在不同的信息系统中其重要性也是不同的。为了全面考虑网络系统客观环境和人为因素的影响，在评估网络安全性的过程中就需要对评估指标进行赋权。本发明基于AHP确定多维网络评估模型中各项指标因素的权重，把复杂的网络安全问题分解为各个组成因素，并按照支配关系对其进行分组，形成有序的递阶层次结构，通过两两比较的方式确定层次中各项因素的相对重要性。
基于AHP计算网络安全评估指标权重的过程大致可以分为三个步骤，即建立层次结构模型、构造判断矩阵和层次排序及其一致性检验，如图3所示。
2.1建立层次分析结构模型：首先对网络安全问题进行结构化分析，将该网络安全问题分解并抽象为多项因素；然后按照属性对该多项元素进行分类，形成不同的层次，构造一个层次分析结构模型；
进一步地，步骤2.1中，所述层次分析结构模型中上层因素作为其相邻下层因素的准则，对相关因素起支配作用，同时也受其相邻上层相关因素的支配。
进一步地，步骤2.1中，建立层次分析结构模型时，将决策的目标、考虑的因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层；其中，最高层为目标层，只包含一个因素，表示决策的预定目标或者理想结果；中间层为准则层，包含为实现目标所涉及的中间环节，所述的中间层由多个层次组成，排列衡量是否达到目标的各项准则、子准则；最低层为方案层，表示为实现目标可供选择的各种措施、决策方案。
进一步地，在层次分析结构模型中，用连线表示上一层因素与下一层部分或全部因素之间的联系。
2.2构造判断矩阵：在所述层次分析结构模型基础上，针对某一层的某一个因素，通过两两比较的方式，确定其下一层与之相关的各项因素对其的相对影响程度，从而构造一个判断矩阵；
2.3层次排序及其一致性检验：根据所述判断矩阵，求出其最大特征根以及所对应的特征向量，将特征向量归一化处理后记为W，W的因素为同一层次相应因素对于上一层次某个因素相对重要性的排序权值，即每一个判断矩阵的各项因素针对其准则的相对权重，这一过程称为层次排序，然后对所述层次排序后的特征向量进行归一化求和。
三、基于灰色关联理论量化网络安全
由于影响网络安全因素的复杂性，网络安全是很难被严格量化的，利用完全定量的网络安全评价方法很难实现对网络安全性的准确评估。本发明基于灰色关联分析实现对网络安全的量化评估，可以通过关联系数或综合关联度等特征量分析内在联系，发现影响网络安全因素的主要关系及主要特征。基于灰色关联分析的网络安全量化评估技术对样本无苛刻要求，计算量较小，能够保证量化结果与定性分析结果的一致性。
基于灰色关联分析量化评估网络安全是将多维网络安全评估模型中的指标因素抽象为一条曲线上的点，在此基础上，绘制网络安全参考对象曲线和待识别对象曲线，依次比较并量化它们之间各指标因素的贴近度，然后综合所有的指标因素，计算参考对象曲线和待识别对象曲线之间的关联度，通过比较关联度的大小判断待识别对象对参考对象的相似程度。选取网络系统历史数据中各项指标的最优值构建参考对象曲线，则可以通过待识别对象对参考对象的相似程度量化表示待评估网络的安全性。
基于灰色关联分析量化评估网络安全的过程大致可以分为四个步骤，即确定分析序列、变量的无量纲化、计算关联系数以及计算灰色关联度。
3.1确定分析序列：在利用灰色关联分析法量化一个定性的问题时，将问题抽象为分析序列，确定一个因变量因素和多个自变量因素，构造参考序列和比较序列；所述的参考序列是反应系统行为特征的数据序列，以各指标的最优值构成参考序列，所述比较序列是影响系统行为的因素组成的数据序列；
3.2变量的无量纲化：采用均值化法对参考序列和比较序列进行无量纲化；得到纲化后的参考序列和比较序列；
3.3计算关联系数：即计算纲化后的参考序列与比较序列在几何曲线中各节点的关联程度值；
3.4计算灰色关联度：将参考序列与比较序列在几何曲线中各节点的关联程度值进行整合，即整合关联系数集为一个值，作为参考序列与比较序列间关联程度的数量表示，这个值被称为灰色关联度；所述灰色关联度值的大小反映了参考序列与比较序列之间关联程度的大小，其值越接近于1，则表示比较序列与参考序列之间的关联程度越大。

Claims (8)

1.一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，包括以下步骤：
步骤一、建立多维网络安全评估模型：首先将网络安全划分为三个维度，分别为网络环境安全、网络可靠性安全和网络漏洞安全；然后根据所述三个维度分别建立网络环境安全评估模型、网络可靠性安全评估模型、网络漏洞安全评估模型；
步骤二、基于AHP确定步骤一建立的多维网络安全评估模型中各模型所包含因素的权重：将网络安全问题分解为各个因素，并按照因素之间的支配关系对其进行分组，形成有序的递阶层次结构，通过两两比较的方式确定层次结构中各项因素的相对重要性，从而确定各项因素的权重；
步骤三、基于灰色关联理论量化网络安全：将多维网络安全评估模型中包含的因素抽象为一条曲线上的点，在此基础上绘制网络安全参考对象曲线和待识别对象曲线，依次比较并量化参考对象曲线和待识别对象曲线之间各因素的贴近度，然后根据各因素和步骤二中确定的权重，计算参考对象曲线和待识别对象曲线之间的关联度，比较关联度的大小来判断待识别对象对参考对象的相似程度；通过所述相似程度的量化表示待评估网络的安全性。
2.如权利要求1所述的一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，确定步骤一建立的多维网络安全评估模型中各模型所包含因素的权重，包括以下步骤：
2.1建立层次分析结构模型：首先对网络安全问题进行结构化分析，将该网络安全问题分解并抽象为多项因素；然后按照属性对该多项因素进行分类，形成不同的层次，构造一个层次分析结构模型；
2.2构造判断矩阵：在所述层次分析结构模型基础上，针对某一层的某一个因素，通过两两比较的方式，确定其下一层与之相关的各项因素对其的相对影响程度，从而构造一个判断矩阵；
2.3层次排序：根据所述判断矩阵，求出其最大特征根以及所对应的特征向量，将特征向量归一化处理后记为W，W的因素为同一层次相应因素对于上一层次某个因素相对重要性的排序权值，即每一个判断矩阵的各项因素针对其准则的相对权重，这一过程称为层次排序，然后对所述层次排序后的特征向量进行归一化求和。
3.如权利要求2所述的一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，步骤2.1中，所述层次分析结构模型中上层因素作为其相邻下层因素的准则，对相关因素起支配作用，同时也受其相邻上层相关因素的支配。
4.如权利要求2或3所述的一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，步骤2.1中，建立层次分析结构模型时，将决策的目标、考虑的因素和决策对象按它们之间的相互关系分为最高层、中间层和最低层；其中，最高层为目标层，只包含一个因素，表示决策的预定目标或者理想结果；中间层为准则层，包含为实现目标所涉及的中间环节，所述的中间层由多个层次组成，排列衡量是否达到目标的各项准则、子准则；最低层为方案层，表示为实现目标可供选择的各种措施、决策方案。
5.如权利要求4所述的一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，在所述层次分析结构模型中，用连线表示上一层因素与下一层部分或全部因素之间的联系。
6.如权利要求1或2所述的一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，所述网络环境安全评估模型包括三个一级评估指标，分别为主机状态指数、网络状态指数以及关键设备健康指数；其中主机状态指数包括三个二级评估指标，分别为磁盘占用率、CPU利用率以及内存占用率；网络状态指数包括三个二级评估指标，分别为峰值流量、平均流量以及带宽利用率；关键设备健康指数包括三个二级评估指标，分别为核心交换机负载、路由器健康指数以及端口流量。
7.如权利要求1或2所述的一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，所述网络可靠性安全评估模型包括三个一级评估指标，分别为抗毁性指数、生存性指数以及有效性指数；其中，抗毁性指数包括两个二级评估指标，分别为连接度和粘聚度；生存性指数包括三个二级评估指标，分别为端端可靠度、K端可靠度以及全端可靠度；有效性指数包括两个二级评估指标，分别为吞吐量和传输时延指数。
8.如权利要求1或2所述的一种基于AHP与灰色关联的多维网络安全评估方法，其特征在于，所述网络漏洞安全评估模型包括两个一级评估指标，分别为硬件漏洞安全指数和软件漏洞安全指数；其中，硬件漏洞安全指数包括两个二级评估指标，分别为电磁泄漏指数和移动存储介质数量；软件漏洞安全指数包括三个二级评估指标，分别为应用软件漏洞数量、操作系统漏洞数量以及服务器漏洞数量。
CN201710833313.9A 2017-09-15 2017-09-15 一种基于ahp与灰色关联的多维网络安全评估方法 Active CN107454105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710833313.9A CN107454105B (zh) 2017-09-15 2017-09-15 一种基于ahp与灰色关联的多维网络安全评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710833313.9A CN107454105B (zh) 2017-09-15 2017-09-15 一种基于ahp与灰色关联的多维网络安全评估方法

Publications (2)

Publication Number Publication Date
CN107454105A CN107454105A (zh) 2017-12-08
CN107454105B true CN107454105B (zh) 2020-09-08

Family

ID=60495687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710833313.9A Active CN107454105B (zh) 2017-09-15 2017-09-15 一种基于ahp与灰色关联的多维网络安全评估方法

Country Status (1)

Country Link
CN (1) CN107454105B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944702A (zh) * 2017-11-23 2018-04-20 绥化学院 一种网络安全层次分析评估方法、装置及计算机可读存储介质
CN108769018B (zh) * 2018-05-29 2021-04-06 北京理工大学 一种多维多粒度的网络空间安全度量方法
CN109918774B (zh) * 2018-11-22 2023-07-14 常州天正工业发展股份有限公司 用于数据评估的二维及多维模型排序评估系统及方法
CN109902110B (zh) * 2018-11-22 2024-03-01 常州天正工业发展股份有限公司 一种多维度数据评估差异性的系统和方法
CN109918914B (zh) * 2019-03-14 2020-10-13 北京计算机技术及应用研究所 层次化的信息系统攻击防御能力综合评估系统及方法
CN110493035A (zh) * 2019-07-25 2019-11-22 广州大学 一种网络安全指数计算的数据输入方法及装置
CN111414550A (zh) * 2019-11-07 2020-07-14 成都国腾实业集团有限公司 基于灰色关联分析的网络舆情热度值定量识别方法
CN112036712B (zh) * 2020-08-13 2023-11-14 广东电网有限责任公司广州供电局 一种配电终端状态评价指标权重分配方法
CN113992386A (zh) * 2021-10-25 2022-01-28 北京天融信网络安全技术有限公司 一种防御能力的评估方法、装置、存储介质及电子设备
CN115412301B (zh) * 2022-08-02 2024-03-22 云南电网有限责任公司信息中心 一种网络安全的预测分析方法及系统
CN115086089B (zh) * 2022-08-23 2022-11-18 广州市宏方网络科技有限公司 一种用于网络安全评估预测的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7899451B2 (en) * 2007-07-20 2011-03-01 Jianhong Hu OWA converged network access architecture and method
CN103095712A (zh) * 2013-01-24 2013-05-08 无锡南理工科技发展有限公司 一种基于CORAS-Petri的安全策略层次联合建模方法
CN104112181A (zh) * 2014-06-12 2014-10-22 西北工业大学 一种基于层次分析法的信息安全贝叶斯网络评估方法
CN105488344A (zh) * 2015-11-26 2016-04-13 中国电力科学研究院 一种配电设备健康指数通用评价方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060010443A1 (en) * 2004-07-07 2006-01-12 Northrop Grumman Corporation Analytic hierarchy process based rules for sensor management
CN102457412A (zh) * 2011-10-14 2012-05-16 中国人民解放军国防科学技术大学 基于指标体系的大规模网络安全态势评估方法
CN103581155B (zh) * 2012-08-08 2016-04-27 贵州电网公司信息通信分公司 信息安全态势分析方法与系统
US20160086122A1 (en) * 2014-09-18 2016-03-24 Tata Consultancy Services Limited System and method for providing multi objective multi criteria vendor management
CN104243478A (zh) * 2014-09-19 2014-12-24 中国联合网络通信集团有限公司 网络设备的安全防护能力评估方法及设备
CN104778378B (zh) * 2015-05-05 2017-11-28 中国石油大学(华东) 一种油气田产量递减影响因素分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7899451B2 (en) * 2007-07-20 2011-03-01 Jianhong Hu OWA converged network access architecture and method
CN103095712A (zh) * 2013-01-24 2013-05-08 无锡南理工科技发展有限公司 一种基于CORAS-Petri的安全策略层次联合建模方法
CN104112181A (zh) * 2014-06-12 2014-10-22 西北工业大学 一种基于层次分析法的信息安全贝叶斯网络评估方法
CN105488344A (zh) * 2015-11-26 2016-04-13 中国电力科学研究院 一种配电设备健康指数通用评价方法

Also Published As

Publication number Publication date
CN107454105A (zh) 2017-12-08

Similar Documents

Publication Publication Date Title
CN107454105B (zh) 一种基于ahp与灰色关联的多维网络安全评估方法
Wang et al. Detection of power grid disturbances and cyber-attacks based on machine learning
Wang et al. On credibility estimation tradeoffs in assured social sensing
CN108881110B (zh) 一种安全态势评估与防御策略联合决策方法及系统
Ghafory‐Ashtiany et al. Strong ground motion record selection for the reliable prediction of the mean seismic collapse capacity of a structure group
CN113688042B (zh) 测试场景的确定方法、装置、电子设备及可读存储介质
CN107679734A (zh) 一种用于无标签数据分类预测的方法和系统
CN110874744B (zh) 一种数据异常检测方法及装置
CN115412354B (zh) 一种基于大数据分析的网络安全漏洞检测方法及系统
VS Multi Label Deep Learning classification approach for False Data Injection Attacks in Smart Grid.
CN114266289A (zh) 一种复杂装备健康状态评估方法
CN115225336B (zh) 一种面向网络环境的漏洞可利用性的计算方法及装置
CN104022899A (zh) 一种网络管理系统的三维评估方法及系统
CN105262719A (zh) 一种Web环境下用户行为的信任评估方法
Rani et al. Design of an intrusion detection model for IoT-enabled smart home
CN113886207A (zh) 一种基于卷积神经网络的存储系统性能预测方法及装置
US20230156043A1 (en) System and method of supporting decision-making for security management
CN112632765A (zh) 一种加权和法与sem法结合的作战能力评估方法
CN116707859A (zh) 特征规则提取方法和装置、网络入侵检测方法和装置
CN103077435A (zh) 一种基于组合加权综合评价模型的sec指标评估方法
Ahmad et al. Comparative Analysis of Intrusion Detection Approaches
CN114710344A (zh) 一种基于溯源图的入侵检测方法
Tamtama et al. Increasing Accuracy of The Random Forest Algorithm Using PCA and Resampling Techniques with Data Augmentation for Fraud Detection of Credit Card Transaction
Sari et al. Networks Cyber Security Model by Using Machine Learning Techniques
CN106301880A (zh) 一种确定网络关系稳定度、互联网业务推荐方法和设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant