[发明专利]一种移动网络可信性的评估方法及装置

权利要求书

1.一种移动网络可信性的评估方法，其特征在于，所述方法包括：

遍历待测试的移动网络，获取所述移动网络的可信信息数据；所述可信信息数据包括连通性数据、可用性数据以及有效性数据；

将所述可信信息数据与预设的对比数据库进行对比，获取初始处理数据；所述对比数据库包括可信信息数据以及初始处理数据的对应关系；所述对比数据库根据历史可信信息数据以及历史专家评估结果建立；所述初始处理数据反应待评估移动网络的初始安全评估结果；

将所述初始处理数据输入预先训练好的第一评估模型中，获取第一评估结果；所述第一评估模型包括初始处理数据以及评估结果的对应关系；

所述初始处理数据输入预先训练好的第二评估模型中，获取第二评估结果；所述第二评估模型包括初始处理数据以及评估结果的对应关系；

根据所述初始处理数据、所述第一评估结果以及所述第二评估结果，确定评估结果。

2.根据权利要求1所述的方法，其特征在于，将所述可信信息数据与预设的对比数据库进行对比，获取初始处理数据，包括：

确定出所述对比数据库中与所述可信信息数据一致的目标对照数据，并根据预设的评估等级，确定所述初始处理数据。

3.根据权利要求1所述的方法，其特征在于，所述第一评估模型采用以下方法确定：

多次将第一样本数据输入待训练的第一评估模型中，进行训练，获取训练好的第一评估模型；所述第一评估模型为神经网络模型；

神经网络模型包括包括三层，分别为输入层、隐藏层以及输出层；

所述输入层，取14个神经元，对应为所述14个初始处理数据；所述隐藏层，取6个节点；所述输出层，取1个节点，所述第一评估模型的输出值即为所述第一评估结果；

所述输入层表示为X＝{x_i|i∈(1,14)}、所述隐藏层表示为B＝{b_j|j∈(1,6)}、所述输出层表示为y；

隐藏层第h个神经元的输入采用以下方法确定：

其中，α_h为所述隐藏层第h个神经元的输入；v_ih为输入层中第i个神经元到隐藏层第h个神经元的权值；x_i为输入层中第i个神经元；

输出层神经元的输入采用以下方法确定：

其中，所述β为输出层神经元的输入；α_h为所述隐藏层第h个神经元的输入；γ_h为隐藏层第h个神经元的阈值；w_h为隐藏层中第h个神经元到输出层的权值；f为神经网络的激活函数，为单极性Sigmoid函数

所述第一评估结果采用以下方法确定：

其中，y为所述第一评估结果；β为所述输出层神经元的输入；θ为输出层神经元的阈值；

训练结束后，采用最小二乘法计算输出误差，所述误差采用以下方法确定：

其中，E为所述误差；d为输出期望；f为所述神经网络的激活函数；w_h为所述隐藏层中第h个神经元到输出层的权值；v_ih为所述输入层中第i个神经元到隐藏层第h个神经元的权值；x_i为所述输入层中第i个神经元；

误差对于权重和阈值的梯度计算方法如下：

其中，E为所述误差；WT为所述网络中全部的权重和阈值。