[发明专利]基于PCA的BP神经网络对信息安全的检测系统、方法、应用

说明书

本发明公开了一种基于PCA的BP神经网络对信息安全的检测系统、方法、应用，包括采集近期影响信息安全的风险因素的数据，模拟专家对评价因素集进行评价。构建训练样本和预测样本；利用SVD对训练样本和预测样本中的数据进行降维处理；用降维后的训练样本进行模糊小脑神经网络训练；将降维后预测样本带入训练好的模糊小脑神经网络，获得预测结果。同时公开了相应的系统以及应用。本发明基于影响信息安全的风险因素种类、风险等级数据，依次对数据进行降维、分解，训练神经网络，最后神经网络进行预测，大大增强了预测的准确性。

技术领域

本发明属于网络安全技术领域，涉及一种基于PCA的BP神经网络对信息安全的检测系统、方法、应用。

背景技术

物联网和移动互联网等新网络的快速发展给信息安全带来更大的挑战。传统的网络安全技术已经不能满足新一代信息安全产业的发展企业对信息安全的需求不断发生变化。现有的网络安全预测方法大多采用PCA，这种方法仅采用历史负荷数据进行网络训练，通过训练好的网络进行检测，预测准确性较差。

发明内容

1、所要解决的技术问题：

现有的网络安全预测方法大多采用PCA，这种方法仅采用历史负荷数据进行网络训练，通过训练好的网络进行检测，预测准确性较差。

2、技术方案：

为了解决以上问题，本发明提供了一种基于PCA的BP神经网络对信息安全的预测系统，包括采集模块：采集近期资产识别数据、威胁识别数据、脆弱性识别和已有安全措施数据，将安全等级分类构建训练样本和预测样本；降维模块：对训练样本和预测样本中的数据进行降维处理；分解模块：采用PCA方法对降维后的数据进行分解；训练模块：用训练样本分解获得的分量进行神经网络训练；预测模块：将预测样本分解获得的分量带入训练好的神经网络。

本发明还提供了一种基于PCA的BP神经网络对信息安全的检测方法。

3、有益效果：

本发明基于负荷数据、气温数据和光辐照强度数据，依次对数据进行降维、分解，训练模糊小脑神经网络，最后模糊小脑神经网络进行预测，大大增强了检测的准确性。

具体实施方式

下面对本发明详细说明。

一种基于PCA的BP神经网络对信息安全的预测系统，包括采集模块：采集近期资产识别数据、威胁识别数据、脆弱性识别和已有安全措施数据，将安全等级分类构建训练样本和预测样本；降维模块：对训练样本和预测样本中的数据进行降维处理；分解模块：采用PCA方法对降维后的数据进行分解；训练模块：用训练样本分解获得的分量进行神经网络训练；预测模块：将预测样本分解获得的分量带入训练好的神经网络。

还包括修补模块；修补模块在进行降维之前对数据进行修补。

缺失数据补全处理采用MI方法，假设在不完全变量与完全变量间存在着线性回归关系。例如变量X_i是一个存在着缺失值的不完全变量，用完全变量X₁、X₂、…、X_i-1拟合模型:

E[X_i|β]＝β₀+β₁X₁+β₂X₂+…+β_i-1X_i-1

得到模型回归系数的参数估计在每一次填补中，从β的后验分布中随机抽取新的参数β^*,计算:

公式中的σ^*为来自于模型的方差估计,ε为模拟的正态随机误差。将缺失的X_i用数据集中最接近于的值填补。这种方法可以保证在正态性假设不成立的情况下，填补进较为适当的值。