導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 綜合安全論文>>正文

基于證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)組合評(píng)估方法

文檔作者：劉勇生文檔來(lái)源：東莞理工學(xué)院		點(diǎn) 擊數(shù)：	更新時(shí)間： 2022年04月27日
下載地址：點(diǎn)擊這里	文件大小： 390.50 KB 共4頁(yè)	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共4頁(yè)]

本文件共4頁(yè)，如需編輯使用，請(qǐng)下載。

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

	文件大?。?90.50 KB 共4頁(yè) 文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會(huì)員免費(fèi)）

下一篇：基于生命周期理論的安全漏洞時(shí)間風(fēng)險(xiǎn)研究

上一篇： WIFI協(xié)議安全性分析研究

文本預(yù)覽

僅提取頁(yè)面文字內(nèi)容，供快速閱讀使用。

第29卷第1期計(jì)算機(jī)仿真2012年1月
文章編號(hào)：1006—9348(2012)Ol一0106一04
基于證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)組合評(píng)估方法
劉勇生
(東莞理工學(xué)院，廣東東莞523000)
摘要：研究網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估問(wèn)題，網(wǎng)絡(luò)安全風(fēng)險(xiǎn)具有時(shí)變性和非線性等特點(diǎn)，采用單一的方法難對(duì)其進(jìn)行準(zhǔn)確評(píng)估，為提
高網(wǎng)絡(luò)安全評(píng)估準(zhǔn)確率，提出一種證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估算法。首先采用層次分析對(duì)網(wǎng)絡(luò)評(píng)估指標(biāo)體系權(quán)重值確
定，然后采用支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)進(jìn)行評(píng)估，最后采用證據(jù)理論對(duì)兩者的評(píng)估結(jié)果進(jìn)行融合．獲得網(wǎng)
絡(luò)安全風(fēng)險(xiǎn)最終評(píng)估結(jié)果。通過(guò)網(wǎng)絡(luò)安全數(shù)據(jù)集進(jìn)行仿真，結(jié)果表明，組合方法充分利用支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的優(yōu)
點(diǎn)，能夠全面反映網(wǎng)絡(luò)安全狀態(tài)，提高了網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確率，評(píng)估結(jié)果更加可靠，便于采取相應(yīng)的安全防范措施，可
以最大限度的降低網(wǎng)絡(luò)風(fēng)險(xiǎn)帶來(lái)的經(jīng)濟(jì)損失。
關(guān)鍵詞：證據(jù)理論；支持向量機(jī)；神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)安全；風(fēng)險(xiǎn)評(píng)估
中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A
Simlllation on Network Security砒sk EValuation Algoritl肌
LIU Yong—sheng
(Dongguan Universily of Technology，Don陽(yáng)Jan Guangdong 523000，China)
ABSTRACT：Research about network safety r主sk assessment problem．Network secuIity Tisk has the characteristics of
dyn砌ic and nonlinear，and a sinde method is dimcult go get accurate evaluation results．In order to impmve the net—
work security evaluation accuracy，an evaluation a190血hm 0f network security risk w弱proI)osed b鵲ed on evidence
theory． Firsny，the network evaluation index system was built，the weights were got by hierarchical analysis，and
then support vector machine and BP neuml network were used to evaluate for network security risk．L皓tly，me evalu—
ation results were obtained by evidence tIleory． Simulation experiments were c捌ed out on the network security data．
set．The experimental results show that tIle proposed algorithm improves the accuracy of network safety risk evaluation
and the results are more reliable． It can reducing the economic losses bought by the network risk．
KEYWoRDS：DS；SVM；NN；Network security；Risk evaluation
1 引言
隨著網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步．網(wǎng)絡(luò)已經(jīng)應(yīng)用于各個(gè)領(lǐng)域．
然而網(wǎng)絡(luò)安全與資源共享是一個(gè)矛盾體．網(wǎng)絡(luò)具有無(wú)國(guó)界
性，給人們帶來(lái)便利同時(shí)，同時(shí)帶來(lái)了巨大的風(fēng)險(xiǎn)，因此網(wǎng)絡(luò)
信息安全成為人們關(guān)注的焦點(diǎn)?。網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估是保
證網(wǎng)絡(luò)安全的基礎(chǔ)和前提，因此如何對(duì)網(wǎng)絡(luò)存在的安全風(fēng)險(xiǎn)
進(jìn)行準(zhǔn)確的評(píng)估。有利于采取相應(yīng)的防范措施。最大限度的
降低網(wǎng)絡(luò)風(fēng)險(xiǎn)帶來(lái)的經(jīng)濟(jì)損失，成為網(wǎng)絡(luò)安全研究領(lǐng)域研究
中的一個(gè)重要課題心J。
近年來(lái)，國(guó)內(nèi)外研究小組和專家學(xué)者對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)
估問(wèn)題進(jìn)行相關(guān)研究，提出了許多網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估方法，
主要有事件樹分析法[3】、層次分析法[4]、故障樹分析法[5]、模
糊綜合評(píng)判法以及最近出現(xiàn)的神經(jīng)網(wǎng)絡(luò)評(píng)估方法[6]。事件
收稿日期：201l—02—10修回日期：201l—04一04
—106一
樹分析法只能對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)進(jìn)行粗略的評(píng)估．結(jié)果不太可
靠。故障樹分析法很難對(duì)風(fēng)險(xiǎn)評(píng)估指進(jìn)行量化，計(jì)算過(guò)程復(fù)
雜，實(shí)用性差。層次分析法的評(píng)估結(jié)果主觀性較強(qiáng)．且對(duì)評(píng)
估者的素質(zhì)要求較高，因此有時(shí)得到的評(píng)估結(jié)果缺乏科學(xué)
性，準(zhǔn)確率比較低。人工神經(jīng)網(wǎng)絡(luò)(ANN)具有強(qiáng)大的任意函
數(shù)逼近能力、學(xué)習(xí)能力、自適應(yīng)能力，用歷史數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)
模型進(jìn)行學(xué)習(xí)，從而建立評(píng)估模型，是當(dāng)前網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)
估的主要算法，但是其在應(yīng)用過(guò)程中存在網(wǎng)絡(luò)結(jié)構(gòu)難以確
定，參數(shù)優(yōu)化較為復(fù)雜，容易陷入局部最優(yōu)．存在過(guò)擬合等問(wèn)
題，限制其在網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估中的應(yīng)用。支持向量機(jī)
(Suppor【Vector Machine，SVM)近年來(lái)發(fā)展起來(lái)的一種新的
非線性問(wèn)題分析工具，解決高維數(shù)、非線性和局部最小點(diǎn)等
問(wèn)題，克服了ANN和傳統(tǒng)統(tǒng)計(jì)方法的諸多不足，具有良好的
推廣能力，成為風(fēng)險(xiǎn)評(píng)估研究領(lǐng)域的研究熱點(diǎn)。
傳統(tǒng)評(píng)估方法采用一個(gè)分類器對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)進(jìn)行評(píng)
估，難以獲得較高準(zhǔn)確率，且結(jié)果不可靠，為此提出一種基于
萬(wàn)方數(shù)據(jù)
D—S證據(jù)理論的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)融合評(píng)估方法。首先采用支
持向量機(jī)和神經(jīng)網(wǎng)絡(luò)兩種分類器對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)進(jìn)行評(píng)估．
然后采用D—S證據(jù)理論對(duì)兩種結(jié)果進(jìn)行融合，從而實(shí)現(xiàn)網(wǎng)絡(luò)
安全風(fēng)險(xiǎn)最終評(píng)估結(jié)果。這樣同時(shí)發(fā)揮支持向量機(jī)和神經(jīng)
網(wǎng)絡(luò)的優(yōu)點(diǎn)，提高了網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確率。
2 網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估原理
網(wǎng)絡(luò)安全是指網(wǎng)絡(luò)系統(tǒng)的軟硬件和數(shù)據(jù)受到惡意破壞、
更改、泄露，使網(wǎng)絡(luò)系統(tǒng)不能夠正常地運(yùn)行，網(wǎng)絡(luò)服務(wù)不中
斷。網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估是指依據(jù)網(wǎng)絡(luò)安全技術(shù)標(biāo)準(zhǔn)，根據(jù)評(píng)
估結(jié)果，采取相應(yīng)安全防范措施，消除風(fēng)險(xiǎn)。網(wǎng)絡(luò)安全風(fēng)險(xiǎn)
評(píng)估的數(shù)學(xué)模型為：
網(wǎng)絡(luò)安全風(fēng)險(xiǎn)級(jí)別=廠(A，r，y) (1)
式中：廠為網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估模型；A表示資產(chǎn)，r表示威脅，y
表示脆弱性。
網(wǎng)絡(luò)安全風(fēng)險(xiǎn)具有時(shí)變性和復(fù)雜性等特點(diǎn)。單一模型難
以獲得較高準(zhǔn)確率．本文采用支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)分別對(duì)
網(wǎng)絡(luò)安全進(jìn)行評(píng)估，然后采用證據(jù)合成過(guò)程對(duì)兩者結(jié)果進(jìn)行
融合。得到最終網(wǎng)絡(luò)安全風(fēng)險(xiǎn)級(jí)別。評(píng)估模型結(jié)構(gòu)如圖l所
示。
圖1 DS的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估模型結(jié)構(gòu)圖
3 網(wǎng)絡(luò)安全評(píng)估指標(biāo)系統(tǒng)的構(gòu)建
網(wǎng)絡(luò)安全評(píng)估指標(biāo)是進(jìn)行科學(xué)、準(zhǔn)確網(wǎng)絡(luò)安全評(píng)估的前
提，根據(jù)科學(xué)性、全面性、可行性、可比性和穩(wěn)定性原則，建立
一種網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，具體如圖2所示。
4 網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估模型的建立
4．1 支持向量機(jī)評(píng)估模型
網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估是一種分類問(wèn)題，即將網(wǎng)絡(luò)安全分成
不同的級(jí)別，所以需要利用支持向量機(jī)的分類功能。設(shè)一個(gè)
兩分類的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)問(wèn)題，給一定數(shù)據(jù)集k，yi}，石?！释?
；=1?．，凡，，，；∈{_1，1}，n表示樣本的數(shù)目，y；表示網(wǎng)絡(luò)
安全風(fēng)險(xiǎn)類別[7]。支持向量機(jī)就是尋找一個(gè)分類平面，按照
結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則將兩類盡量分開，即：
以髫)=∞7西(菇)+6 (2)
式中，∞表示為超平面的法向量，6表示超平面的偏移量。
為了使得網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練樣本中的任意樣本與分類平面
圖2 網(wǎng)絡(luò)安全評(píng)估指標(biāo)體系
距離最大，那么變成為二次優(yōu)化問(wèn)題求解：
min．，(塒，孝)=÷㈨II 2+cΣ孝； (3)
約束條件為：
，，f(加·西(戈；)+6)≥1一亭i，亭≥0 (4)
式中。c表示懲罰參數(shù)。
通過(guò)引入如gmnge乘子將支持向量機(jī)分類問(wèn)題轉(zhuǎn)化為
對(duì)偶問(wèn)題，通過(guò)對(duì)偶問(wèn)題來(lái)解決這個(gè)分類平面優(yōu)化問(wèn)題，得
到如下的分類平面判別函數(shù)：
八菇)=sign(Σ“。y；(中(戈)·垂(并i))+6) (5)
式中，d；表示妞m，艫乘子。
根據(jù)泛函理論找到一個(gè)滿足條件的核函數(shù)K(石i，髫)來(lái)
代替點(diǎn)積(中(茗)·西(石。))，這樣支持向是機(jī)的分類函數(shù)就變
成為：
三
八咒)=sign(藝dfy{后(石。‘髫)+6) (6)
式中，％(髫；·并)表示核函數(shù)，本文采用徑向基核函數(shù)作為
支持向量機(jī)的核函數(shù)，徑向基核函數(shù)為： K(戈。，算)：。。p(一J掣) (7)
最后，獲得支持向量機(jī)的最優(yōu)分類平面： 以z)：si“主叼fexp(-掣)+6)(8)
這樣以茁)表示網(wǎng)絡(luò)安全風(fēng)險(xiǎn)的類別。同上于網(wǎng)絡(luò)安全
風(fēng)險(xiǎn)評(píng)估是一個(gè)多分類問(wèn)題，因此通過(guò)將然轉(zhuǎn)化成多個(gè)兩分
類問(wèn)題進(jìn)行求解。
4．2 神經(jīng)網(wǎng)絡(luò)評(píng)估模型
由于BP神經(jīng)網(wǎng)絡(luò)當(dāng)前最為成功的人工神經(jīng)網(wǎng)絡(luò)．因此
本文采用曰尸神經(jīng)網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)進(jìn)行評(píng)優(yōu)點(diǎn)，基于曰P
神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估步聚如下：
1)網(wǎng)絡(luò)初始化。根據(jù)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)數(shù)據(jù)對(duì)輸入層、隱含
層和輸出層節(jié)點(diǎn)數(shù)進(jìn)行確定，初始化各層間網(wǎng)絡(luò)連接權(quán)值．
初始化隱含層和輸出層閾值，給定學(xué)習(xí)速度和激勵(lì)函數(shù)。
2)隱含層輸出計(jì)算。根據(jù)網(wǎng)絡(luò)安全輸入向量扎輸入層
～】07—
萬(wàn)方數(shù)據(jù)
和隱含層間連接權(quán)值毗，、隱含層閾值o，計(jì)算隱含層輸出
H。
馬=八Σ塒∥；一q)J=1，2，?，z (9)
式中，f為隱含層節(jié)點(diǎn)數(shù)∥為隱含層激勵(lì)函數(shù)，本文激勵(lì)函數(shù)
為：
，(茗)=七． (1。)
3)輸出層計(jì)算。根據(jù)隱含層輸出口，連接權(quán)值加i，和閾
值6，計(jì)算BP神經(jīng)網(wǎng)絡(luò)分類輸出D。
』
D。=Σq‰一6。，||}=1，2，?，m (11)
』=l
4)誤差計(jì)算。根據(jù)網(wǎng)絡(luò)分類輸出0和期望輸出l，，計(jì)算
網(wǎng)絡(luò)分類誤差e。
e女=K一0 ．i}=l，2，?，m (12)
5)權(quán)值更新。根據(jù)分類誤差e更新網(wǎng)絡(luò)連接權(quán)值叫。
6)閾值更新。根據(jù)網(wǎng)絡(luò)分類誤差e更新節(jié)點(diǎn)閾值o，6。
m
吩=吩+叼馬(i一馬)Σ％e。(13)
女=l
釓=6^+吼，||}=l，2，?，m (14)
7)如果分類準(zhǔn)確達(dá)到預(yù)設(shè)要求就結(jié)果結(jié)束，否則返回步
聚2)。
這樣就獲得了基于曰P神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估結(jié)
果。將支持向量機(jī)和曰尸神經(jīng)網(wǎng)絡(luò)和安全風(fēng)險(xiǎn)評(píng)估結(jié)果采用
Ds理論進(jìn)行融合。
4．3 網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估結(jié)果的D5融合
將支持向量機(jī)和曰P神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)結(jié)果通過(guò)
證據(jù)理論(Ds)對(duì)其進(jìn)行評(píng)判，轉(zhuǎn)為成相應(yīng)的證據(jù)體的可信
度分配函數(shù)，然后通過(guò)組合規(guī)則對(duì)兩個(gè)可信度函數(shù)進(jìn)行融
合，得到一個(gè)新的可信度分配函數(shù)，最后采用融合后的可信
度分配函數(shù)結(jié)果作為網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估最終結(jié)果．因此網(wǎng)絡(luò)
安全風(fēng)險(xiǎn)評(píng)估流程如圖3所示。
5 仿真研究
5．1 網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)
通過(guò)相文獻(xiàn)對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)進(jìn)行收集。并對(duì)數(shù)
據(jù)進(jìn)行篩選，選擇出數(shù)量適當(dāng)?shù)牟煌L(fēng)險(xiǎn)等級(jí)的樣本．共收
集到1000個(gè)數(shù)據(jù)集如表l所示。將樣本分兩部分：訓(xùn)練集和
測(cè)試集，訓(xùn)練集900樣本，測(cè)試集100個(gè)樣本。采用m口tZ口6 7．
0環(huán)境下的支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)工齡箱進(jìn)行仿真。
表1 收集的網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)
5．2指標(biāo)權(quán)重的確定
收集到網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)集，需要確定各個(gè)指標(biāo)的
權(quán)重，本文利用層次分析法對(duì)每個(gè)指標(biāo)進(jìn)行權(quán)重確定，最后
獲得指標(biāo)權(quán)重如表2所示。
表2各指標(biāo)權(quán)重值
一108—
5．3結(jié)果與分析
為了檢測(cè)模型的有效性和優(yōu)越性，采用單一的支持向量
機(jī)和BP神經(jīng)網(wǎng)絡(luò)作為對(duì)比模型，采用評(píng)估準(zhǔn)確率和錯(cuò)誤率
作為評(píng)價(jià)指標(biāo)，其評(píng)估結(jié)果如表3。
表3 各模型的性能比較
萬(wàn)方數(shù)據(jù)
。翌一蒈
ll評(píng)估＼蛄果作；。s證．據(jù)件l ／l評(píng)估結(jié)果痞凳。s證據(jù)體l
l用Ds對(duì)蛄果進(jìn)行融合評(píng)估J ：
l-出網(wǎng)絡(luò)安全風(fēng)險(xiǎn)量磐蛄果l
。
圖3 網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估流程
從表2可知．單獨(dú)采用支持向量機(jī)或BP神經(jīng)網(wǎng)絡(luò)對(duì)網(wǎng)
絡(luò)安全風(fēng)險(xiǎn)進(jìn)行評(píng)估，準(zhǔn)確率不高，錯(cuò)誤率高，評(píng)估結(jié)果可信
度不高，而本文采用證據(jù)理論對(duì)兩者的結(jié)果進(jìn)行融合，很好
利用了兩者的優(yōu)點(diǎn)，提高了評(píng)估準(zhǔn)確準(zhǔn)確率，有效降低了評(píng)
估的誤差，從而使評(píng)估結(jié)果的可信度更高．結(jié)果證明本文提
出的評(píng)估方法的有效性和優(yōu)越性。
6結(jié)論
網(wǎng)絡(luò)安全是保證網(wǎng)絡(luò)正常運(yùn)行的基礎(chǔ)．針對(duì)當(dāng)前網(wǎng)絡(luò)安
全風(fēng)險(xiǎn)評(píng)估方法存在的不足，提J七j了基于D—s證據(jù)理論的支
持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)融的風(fēng)險(xiǎn)評(píng)估方法。首先采朋支持
向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)級(jí)別進(jìn)行初步判斷．
然后采用Ds對(duì)信息進(jìn)行融合，并建立相應(yīng)的評(píng)估模型。最
后以一個(gè)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)集為例．說(shuō)明本文評(píng)估方法
具有較高的評(píng)估準(zhǔn)確率和可靠性．該方法在網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)
估中．并取得了良好的應(yīng)用效果。
參考文獻(xiàn)：
[1] 趙冬梅．張E清，t{建峰網(wǎng)絡(luò)安仝的綜臺(tái)風(fēng)險(xiǎn)評(píng)估[J]計(jì)算
機(jī)科學(xué)．2004．31(7)：66—69
[2]張永錚．遲悅用于if估網(wǎng)絡(luò)信息系統(tǒng)的風(fēng)險(xiǎn)傳播模型[J]
軟件學(xué)報(bào)，2007．1 8(1)：137一】45
[3] 楊曉字．周佩玲，博忠謙人工免疫與網(wǎng)絡(luò)安全[J]計(jì)算機(jī)仿
真，200l，18(6)：83—85
[4] 肖道舉，等網(wǎng)絡(luò)安全評(píng)估模型研究[M]華巾科技大學(xué)學(xué)報(bào)
(自然科學(xué)版)．2002，30(4)：37—39
[5] 汪楚嬌，林果園網(wǎng)絡(luò)安全風(fēng)險(xiǎn)的模糊層次綜合評(píng)估模型[J]
武漢大學(xué)學(xué)報(bào)(理學(xué)版)．2006．52(5)：622—626
．6]許幅永，申健，李劍英網(wǎng)絡(luò)安全綜臺(tái)評(píng)價(jià)方法的研究及應(yīng)州
[J]計(jì)算機(jī)T=程與設(shè)計(jì)．2006．27(8)：1398一1400
：7]于群，馮玲基于BP神經(jīng)剛絡(luò)的網(wǎng)絡(luò)安全評(píng)估A法研究f J]
計(jì)算機(jī)丁程與設(shè)計(jì)．2008．29(8)：1963 1966
[作者簡(jiǎn)介]
劉勇生(1974一)．男(議族)．廣東東莞人．碩士．高
級(jí)實(shí)驗(yàn)師．主要研究方向：計(jì)算機(jī)應(yīng)用、網(wǎng)絡(luò)應(yīng)用。
【上接第105頁(yè))
[2] 孫紅杰，方濱興．張宏莉基于用戶感知的網(wǎng)絡(luò)性能測(cè)量系統(tǒng)[7] Nuand?g，c Mm，s P Veal，D ne osl Nelwork M?即．
[J]計(jì)算機(jī)工程，2007．”(4)
[3] 蘇曉影，賀躍，郟建軍一種基于神經(jīng)網(wǎng)絡(luò)集成的決策樹構(gòu)造
方法[J]計(jì)算機(jī)仿真，2006一11
[4] 徐海東，李冶文．江峰，宋俊德基于神經(jīng)網(wǎng)絡(luò)的uTRAN網(wǎng)絡(luò)
質(zhì)量綜合評(píng)價(jià)[J]北京郵電大學(xué)學(xué)報(bào)．2005，28(4)
[5]倪萍．廖建斯．王純．張成一種KPl映射到KQJ的通用算法
[J]電子與信息學(xué)報(bào)，2008．30(10)
[6] Y coginenl，H Greenb8唱，A Mdh．D[MMs：An Au【?mic
Nerwork—hye。Foundalion如r Nelwork Man89ement]selected
AI℃鵝in communicaIions[[J]lEEE J?m on，Januaw 2010，
28(1)：15—27
ment Model—caPacI‘y 8nd Pe血呻ance Man89e?I[J]Manage一
一1 0fInnovatⅢand TechnoIogy．2008 lCMlT 2008 4【hIEEE
Int㈣tJon甜Conk??．SeDt 2008 1266一1270
【作者簡(jiǎn)介]
陳鵬(1982一)．男(漢族)．四川人，碩士研究生．
研究方向：通信與信息系統(tǒng)：
景志宏(1965一)，男(漢族)，河北人，副教授．研究
療向：移動(dòng)通信．網(wǎng)絡(luò)優(yōu)化：
王偉(1984一)，男(漢族)，占林人．碩士研究生．
研究方向：通信與信息系統(tǒng)。

網(wǎng)友評(píng)論 more

綜合安全論文最新內(nèi)容

05-04