因子分析和神經(jīng)網(wǎng)絡的信息系統(tǒng)風險評估模型

孟瑾

摘 ?要： 風險評估是信息系統(tǒng)應用必不可少的一項技術，為此，提出一種因子分析和神經(jīng)網(wǎng)絡的信息系統(tǒng)風險評估模型。構(gòu)建可有效描述信息系統(tǒng)風險情況的信息系統(tǒng)風險評估指標體系，采用因子分析法消除指標相關性、降低風險評估指標體系復雜度，獲取公共評估指標;采用灰狼優(yōu)化（GWO）算法優(yōu)化BP神經(jīng)網(wǎng)絡，解決其收斂速度慢、容易陷入局部最優(yōu)、初始化參數(shù)具備較強依賴性等問題;將所獲公共指標作為GWO?BP神經(jīng)網(wǎng)絡的輸入數(shù)據(jù)，建立信息系統(tǒng)風險評估模型，實現(xiàn)信息系統(tǒng)風險評估。在Matlab環(huán)境下完成模型仿真驗證，結(jié)果表明，所提模型可有效降低風險指標相關性，提升信息系統(tǒng)風險評估的速率，且收斂速度快、信息系統(tǒng)風險評估準確性高。

關鍵詞： 信息系統(tǒng); 風險評估; 因子分析; 評估指標獲取; 神經(jīng)網(wǎng)絡優(yōu)化; 模型構(gòu)建; 累積貢獻率

中圖分類號： TN915.08?34; TP391 ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）23?0062?05

Abstract： Risk assessment is an essential technology in the application of information system. Therefore， an information system risk assessment model based on factor analysis and neural network is proposed. An index system of information system risk assessment is constructed， which can effectively describe the risk situation of information system. The factor analysis method is used to eliminate the correlation among the indexes， reduce the complexity of the risk assessment index system， and obtain the public assessment indexes. The grey wolf optimizer （GWO） algorithm is used to optimize the BP neural network to solve the problems of slow convergence， prone to falling into local optimization， strong dependence of initialization parameters， etc. The public index is taken as the input data of GWO?BP neural network to establish the risk assessment model of information system and realize the risk assessment of information system. The results of the model simulation experiment in Matlab environment show that the proposed model can effectively reduce the correlation among risk indicators， improve the velocity of information system risk assessment， and it also has fast convergence speed and high accuracy of information system risk assessment.

Keywords： information system; risk assessment; factor analysis; assessment indicator acquisition; neural network optimization; model construction; accumulative contribution rate

0 ?引 ?言

伴隨我國信息化發(fā)展進程加快，信息系統(tǒng)在政府、商業(yè)、各大企業(yè)中應用十分普遍。信息系統(tǒng)以其自身具備的開放性優(yōu)勢，給人們的工作及生活帶來了極大的便利[1?3]。伴隨信息系統(tǒng)價值體現(xiàn)越發(fā)顯著的同時，信息系統(tǒng)存在的安全問題同樣不可忽視。一些不法人員通過非法途徑入侵信息系統(tǒng)盜取資料，給個人和企業(yè)帶來了嚴重的經(jīng)濟損失，因此信息系統(tǒng)的風險評估必不可少[4]。通過信息系統(tǒng)風險評估可有效了解信息系統(tǒng)存在的安全問題以及未來可能存在的風險，便于及時采取應對措施將風險扼殺在搖籃[5]。針對信息系統(tǒng)風險的影響因素多、變化較為復雜等特點，提出基于因子分析（FA）法和GWO算法優(yōu)化BP神經(jīng)網(wǎng)絡的信息系統(tǒng)風險評估模型，提升信息系統(tǒng)風險評估效果[6?7]。

1 ?FA和神經(jīng)網(wǎng)絡的信息系統(tǒng)風險評估模型

1.1 ?構(gòu)建信息系統(tǒng)風險評估指標體系

信息系統(tǒng)風險是一個相對概念，一般采用可直接或間接體現(xiàn)信息系統(tǒng)風險產(chǎn)生影響因子的信息系統(tǒng)風險評估指標，評估一個信息系統(tǒng)的安全性[8]。為此以科學性和合理性為原則，結(jié)合國內(nèi)外相關研究構(gòu)建信息系統(tǒng)風險評估指標體系，結(jié)果如圖1所示。

[2] 王飛球，黃健陵，符競，等.基于BP神經(jīng)網(wǎng)絡的跨既有線高速鐵路橋梁施工安全風險評估[J].鐵道科學與工程學報，2019，16（5）：1129?1136.

[3] 何華鋒，何耀民，徐永壯.基于改進型BP神經(jīng)網(wǎng)絡的導引頭測高性能評估[J].系統(tǒng)工程與電子技術，2019，41（7）：1544?1550.

[4] 盧信文.證據(jù)理論和神經(jīng)網(wǎng)絡的教學質(zhì)量評估模型[J].現(xiàn)代電子技術，2017，40（15）：119?121.

[5] 任青山，方逵，朱幸輝.基于多元回歸的BP神經(jīng)網(wǎng)絡生豬價格預測模型[J].江蘇農(nóng)業(yè)科學，2019，47（14）：277?281.

[6] 蔣定國，全秀峰，李飛，等.基于BP神經(jīng)網(wǎng)絡的水體葉綠素a濃度預測模型優(yōu)化研究[J].南水北調(diào)與水利科技，2019，17（2）：81?88.

[7] 李勤敏，郭進利.基于主成分分析和神經(jīng)網(wǎng)絡對作者影響力的評估[J].情報學報，2019，38（7）：709?715.

[8] 嚴凱，姚凱學，楊玥倩，等.基于PCA?GA?BP神經(jīng)網(wǎng)絡的茶園環(huán)境預測研究[J].數(shù)學的實踐與認識，2019，49（9）：180?187.

[9] 黃健，李橋，巨能攀，等.基于主控因子分析與GM?IAGA?WNN聯(lián)合模型的平推式滑坡位移預測研究：以垮梁子滑坡為例[J].工程地質(zhì)學報，2019，27（4）：862?872.

[10] 古麗尼沙·卡斯木，木合塔爾·扎熱，張東亞，等.基于因子分析的無花果引進品種果實品質(zhì)性狀綜合評價[J].食品科學，2018，39（1）：99?104.

[11] 孟慶勇，顧闖.煤礦工業(yè)互聯(lián)網(wǎng)信息安全風險評估[J].工礦自動化，2019，45（8）：43?47.

[12] 陳志良，史彥龍.基于因子分析法的浙江食品安全公眾滿意度研究[J].食品工業(yè)，2017，38（6）：255?259.

[13] 郭樹軍，曾凡雷，王嘎，等.基于信息擴散技術的暴雨內(nèi)澇風險評估模型[J].氣象科技，2017，45（6）：1077?1082.

[14] 袁黎，何娟，蔡明杰，等.基于安全熵的信號控制路段行人過街風險評估模型[J].中國安全科學學報，2018，28（8）：25?30.

[15] 董仕豪，丁龍亭，孫勝飛，等.基于主成分分析和神經(jīng)網(wǎng)絡的馬歇爾試驗模型[J].公路，2019，64（6）：220?226.