周 超,潘 平,黃 亮

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,貴陽 550025)

0 概述

近年來，國內(nèi)外學(xué)者對信息系統(tǒng)安全風(fēng)險(xiǎn)評估方法開展研究并取得了一些成果。文獻(xiàn)[1-3]以層次分析為基本結(jié)構(gòu),把信息熵、貝葉斯網(wǎng)絡(luò)、模糊綜合評價(jià)作為切入點(diǎn),探索以降低評估主觀性、提高風(fēng)險(xiǎn)預(yù)警的有效性與可靠性為目標(biāo)的風(fēng)險(xiǎn)評估方法。文獻(xiàn)[4]基于離差平方和最大原則,結(jié)合三角模糊及熵值法構(gòu)建信息安全風(fēng)險(xiǎn)評估模型,使評估結(jié)果更加客觀、合理和準(zhǔn)確。文獻(xiàn)[5]提出一種基于信息熵的風(fēng)險(xiǎn)分析方法,通過計(jì)算熵權(quán)系數(shù)、風(fēng)險(xiǎn)權(quán)向量來判定風(fēng)險(xiǎn)等級,有效地提高風(fēng)險(xiǎn)狀況分析的準(zhǔn)確性。文獻(xiàn)[6]提出一種因子分析和支持向量機(jī)的分析方法,使分析結(jié)果合理和可靠。文獻(xiàn)[7]通過模糊認(rèn)知圖得到資產(chǎn)間關(guān)系,利用模糊認(rèn)知圖推理過程計(jì)算系統(tǒng)風(fēng)險(xiǎn)值。文獻(xiàn)[8]通過模糊理論對風(fēng)險(xiǎn)因素分析并構(gòu)造隸屬度矩陣,利用BP神經(jīng)網(wǎng)絡(luò)對風(fēng)險(xiǎn)因素隸屬度矩陣進(jìn)行學(xué)習(xí),得到安全風(fēng)險(xiǎn)等級。然而,層次分析法在構(gòu)建評價(jià)矩陣時(shí)需要專家打分,不僅對評價(jià)者的素質(zhì)要求較高,也帶來主觀因素的影響,導(dǎo)致這些方法都存在一定的局限性。雖然統(tǒng)計(jì)特征、權(quán)重及其模糊隸屬度可通過統(tǒng)計(jì)建模,但結(jié)果均是局部均衡或局部最優(yōu),未能實(shí)現(xiàn)全局均衡與全局最優(yōu)。神經(jīng)網(wǎng)絡(luò)在樣本集較少或者隱藏層神經(jīng)元個(gè)數(shù)選擇不合適時(shí),容易出現(xiàn)欠擬合或者過擬合現(xiàn)象。同時(shí),當(dāng)在信息量較大的情況下,存在處理速度過慢、收斂精度過低等問題。

針對上述研究的不足,本文提出一種基于量子門線路神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)安全風(fēng)險(xiǎn)評估方法。該方法將量子計(jì)算與神經(jīng)網(wǎng)絡(luò)相融合,利用一組量子門線路構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。

1 量子門線路神經(jīng)網(wǎng)絡(luò)

在量子理論中,量子門對量子位進(jìn)行一系列酉變換操作,可以使量子位從一個(gè)態(tài)演化為目標(biāo)態(tài)。因此,酉變換操作本質(zhì)上是邏輯操作。n位量子比特上的任意酉運(yùn)算操作可以通過量子旋轉(zhuǎn)門和受控非門來實(shí)現(xiàn),即所有的量子門線路都可以分解為量子旋轉(zhuǎn)門和受控非門的乘積形式[9]。

1.1 量子旋轉(zhuǎn)門

文獻(xiàn)[10-11]將一位量子旋轉(zhuǎn)門定義為:

(1)

圖1量子旋轉(zhuǎn)門

1.2 多位受控非門

文獻(xiàn)[12-13]對多位受控非門進(jìn)行定義,設(shè)有n+1位量子比特,X是單比特量子非門,則多位受控非門Cn(X)可以表示為:

Cn(X)(|x1x2…xn〉|φ〉)=|x1x2…xn〉Ux1x2…xn|φ〉

(2)

其中,X指數(shù)中的x1x2…xn為量子比特x1,x2,…,xn的乘積,如果前n位量子比特全部等于1,則量子非門X將使最后一位量子比特進(jìn)行翻轉(zhuǎn)變換;否則,量子位狀態(tài)不變,其邏輯線路如圖2所示。

圖2 多位受控非門

1.3 網(wǎng)絡(luò)模型與學(xué)習(xí)算法

文獻(xiàn)[14-15]提出由一位量子旋轉(zhuǎn)門和多位受控非門構(gòu)建量子門線路神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)模型如圖3所示。

圖3 量子門線路神經(jīng)網(wǎng)絡(luò)模型

網(wǎng)絡(luò)模型可分為3層結(jié)構(gòu):神經(jīng)網(wǎng)絡(luò)的輸入層用量子位|x1〉,|x2〉,…,|xn〉表示;經(jīng)過量子旋轉(zhuǎn)門相位旋轉(zhuǎn)作為控制位,控制隱藏層的量子位翻轉(zhuǎn),隱藏層的輸出為|h1〉,|h2〉,…,|hp〉;隱藏層量子位|h1〉,|h2〉,…,|hp〉經(jīng)量子旋轉(zhuǎn)門相位旋轉(zhuǎn)并作為控制位,控制輸出層的量子位翻轉(zhuǎn),輸出層為|y1〉,|y2〉,…,|ym〉。

令|xi〉=cosθi|0〉+sinθi|1〉,設(shè)以各層量子位狀態(tài)|1〉的概率幅作為該層的實(shí)際輸出,則根據(jù)式(1)和式(2)進(jìn)行計(jì)算,可以得到網(wǎng)絡(luò)各層的實(shí)際輸出為:

(3)

(4)

(5)

根據(jù)梯度下降法,網(wǎng)絡(luò)各層旋轉(zhuǎn)角度的梯度計(jì)算式為:

(6)

其中,hj如式(3)所示。

(7)

網(wǎng)絡(luò)各層旋轉(zhuǎn)角度的更新式為:

(8)

(9)

其中,t為迭代步數(shù),η為學(xué)習(xí)速率。

2 風(fēng)險(xiǎn)評估模型構(gòu)建與分析

2.1 風(fēng)險(xiǎn)評估模型

信息系統(tǒng)是一個(gè)開放且動(dòng)態(tài)的復(fù)雜系統(tǒng),其信息安全問題的誘發(fā),往往是眾多要素相互疊加、相互影響的共同結(jié)果,關(guān)系錯(cuò)綜復(fù)雜。信息系統(tǒng)安全的主要目的是保障信息資產(chǎn)的機(jī)密性、完整性和可用性,而風(fēng)險(xiǎn)產(chǎn)生于各種外在的、對非法信息系統(tǒng)訪問、對系統(tǒng)資源、應(yīng)用系統(tǒng)、數(shù)據(jù)的占有、篡改、竊聽、破壞等行為,關(guān)系如圖4所示[16]。

圖4 信息安全要素關(guān)系

根據(jù)GB/T 22239-2008的基本要求,將系統(tǒng)資產(chǎn)劃分為物理安全、網(wǎng)絡(luò)安全、主機(jī)安全、數(shù)據(jù)安全和管理安全。為確保信息系統(tǒng)正常運(yùn)行和使用,必須保證信息系統(tǒng)的機(jī)密性、完整性和可用性。根據(jù)《ISO/IEC 17799:Code of practice for information security management.2005》以及國標(biāo)GB/T20984-2007的相關(guān)標(biāo)準(zhǔn),分析信息系統(tǒng)安全要素與風(fēng)險(xiǎn)之間的關(guān)系,得到信息系統(tǒng)安全風(fēng)險(xiǎn)評估指標(biāo)體系如圖5所示。

圖5 信息系統(tǒng)安全風(fēng)險(xiǎn)評估指標(biāo)體系

從圖5可以看出,信息系統(tǒng)安全風(fēng)險(xiǎn)評估指標(biāo)體系分為3層,由上至下可分為目標(biāo)層、準(zhǔn)則層和因素層。目標(biāo)層是信息系統(tǒng)安全風(fēng)險(xiǎn)等級,準(zhǔn)則層將系統(tǒng)資產(chǎn)劃分為5類,因素層將5類指標(biāo)項(xiàng)進(jìn)行具體劃分。根據(jù)國家信息系統(tǒng)安全等級保護(hù)安全控制項(xiàng)的相關(guān)標(biāo)準(zhǔn)及要求,構(gòu)建系統(tǒng)資產(chǎn)風(fēng)險(xiǎn)因素屬性指標(biāo)體系,以主機(jī)安全為例,如圖6所示。

圖6 主機(jī)安全風(fēng)險(xiǎn)因素屬性指標(biāo)體系

從圖6可以看出,主機(jī)安全風(fēng)險(xiǎn)因素屬性指標(biāo)體系分為3層,由上至下分為準(zhǔn)則層、因素層和屬性層。風(fēng)險(xiǎn)因素包含多個(gè)屬性對象,構(gòu)成風(fēng)險(xiǎn)因素的屬性向量。根據(jù)構(gòu)建的風(fēng)險(xiǎn)因素屬性指標(biāo)體系,對屬性的檢測項(xiàng)和檢測點(diǎn)進(jìn)行安全檢查,得到相應(yīng)的屬性值,完成對樣本指標(biāo)的定量計(jì)算。

量子門線路網(wǎng)絡(luò)模型為3層網(wǎng)絡(luò)結(jié)構(gòu),而風(fēng)險(xiǎn)評估指標(biāo)體系為3層樹形結(jié)構(gòu)。因此,可將量子門線路網(wǎng)絡(luò)模型與指標(biāo)體系相互對應(yīng),構(gòu)建信息系統(tǒng)風(fēng)險(xiǎn)評估模型如圖7所示。屬性層對應(yīng)網(wǎng)絡(luò)輸入層,因素層與準(zhǔn)則層對應(yīng)網(wǎng)絡(luò)隱藏層,目標(biāo)層對應(yīng)網(wǎng)絡(luò)輸出層。網(wǎng)絡(luò)輸入層為待決策評估對象的屬性值,通過量子門線路神經(jīng)網(wǎng)絡(luò)可以計(jì)算得到評估對象的風(fēng)險(xiǎn)值,其中,因素層與準(zhǔn)則層作為網(wǎng)絡(luò)的隱藏層進(jìn)行處理。在隱藏層的局部結(jié)構(gòu)中,因素層與準(zhǔn)則層可以利用量子門線路神經(jīng)網(wǎng)絡(luò)完成內(nèi)部的風(fēng)險(xiǎn)計(jì)算,作為單元神經(jīng)網(wǎng)絡(luò)融入到整體系統(tǒng)網(wǎng)絡(luò)模型。

圖7 信息系統(tǒng)風(fēng)險(xiǎn)評估模型

2.2 網(wǎng)絡(luò)訓(xùn)練過程

在綜合考慮構(gòu)建風(fēng)險(xiǎn)評估指標(biāo)體系以及神經(jīng)網(wǎng)絡(luò)模型特性的基礎(chǔ)上,設(shè)計(jì)實(shí)現(xiàn)一種單輸出型量子門線路神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)的輸入節(jié)點(diǎn)對應(yīng)待決策對象的屬性值向量,輸出層節(jié)點(diǎn)對應(yīng)評估對象的風(fēng)險(xiǎn)值。在構(gòu)建的模型中,存在一個(gè)3層的邏輯結(jié)構(gòu),而神經(jīng)網(wǎng)絡(luò)具有一個(gè)隱藏層,能夠以任意精度逼近一個(gè)連續(xù)函數(shù)[17-18],因此,設(shè)計(jì)實(shí)現(xiàn)一個(gè)3層網(wǎng)絡(luò)結(jié)構(gòu)模型?；诹孔娱T線路神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)安全風(fēng)險(xiǎn)評估的訓(xùn)練過程如下:

(10)

θij=2π×r

(11)

ψjk=2π×r

(12)

其中,r為隨機(jī)數(shù)且r∈[0,1]。

步驟4根據(jù)式(5),網(wǎng)絡(luò)的輸出誤差計(jì)算表示為:

(13)

步驟5如果e(t)

步驟6如果t

步驟7迭代終止,存儲最新的旋轉(zhuǎn)角度θij和ψjk,以及網(wǎng)絡(luò)的實(shí)際輸出y(t)。

2.3 網(wǎng)絡(luò)風(fēng)險(xiǎn)評估過程

基于量子門線路神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)安全風(fēng)險(xiǎn)評估與分析過程如下:

步驟2將量子化后的樣本特征參數(shù)依次輸入到訓(xùn)練好的網(wǎng)絡(luò)中,按式(13)計(jì)算網(wǎng)絡(luò)的輸出yi。根據(jù)安全等級保護(hù)策略,對系統(tǒng)進(jìn)行安全等級劃分,將風(fēng)險(xiǎn)值yi歸入到相應(yīng)風(fēng)險(xiǎn)等級。對風(fēng)險(xiǎn)因素屬性單一變量變化賦值,計(jì)算風(fēng)險(xiǎn)值與變化風(fēng)險(xiǎn)值的差值,得到信息系統(tǒng)的風(fēng)險(xiǎn)敏感度評價(jià)。

圖8 信息系統(tǒng)安全風(fēng)險(xiǎn)評估過程

3 仿真結(jié)果與分析

通過仿真實(shí)例,對量子門線路神經(jīng)網(wǎng)絡(luò)應(yīng)用于信息系統(tǒng)風(fēng)險(xiǎn)評估問題的性能進(jìn)行驗(yàn)證,對比算法為傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò),仿真實(shí)驗(yàn)環(huán)境為Windows7和Matlab7.0。

以信息系統(tǒng)主機(jī)安全對象為例,主機(jī)安全涉及身份鑒別、訪問控制、安全審計(jì)、入侵防范、資源控制以及剩余信息保護(hù)6部分。以資源控制為例作為風(fēng)險(xiǎn)評估對象,屬性包括用戶資源使用限制(R1)、終端用戶登陸限制(R2)、超時(shí)鎖定(R3)、屏幕保護(hù)(R4)、操作系統(tǒng)監(jiān)視(R5),利用量子門線路神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行安全風(fēng)險(xiǎn)評估。通過對貴州省多家單位的信息系統(tǒng)進(jìn)行安全檢查,獲得調(diào)查統(tǒng)計(jì)數(shù)據(jù)作為實(shí)驗(yàn)的訓(xùn)練和測試樣本(15家單位的調(diào)查數(shù)據(jù)作為樣本),包括信息資產(chǎn)的屬性及其賦值,樣本進(jìn)行歸一化處理后的部分樣本數(shù)據(jù)如表1所示,其中,前10個(gè)樣本用于訓(xùn)練,后5個(gè)樣本用作測試分析,期望輸出由專家法綜合給出評價(jià)。

表1 基于信息資產(chǎn)安全檢查的部分歸一化樣本數(shù)據(jù)

以屬性值作為神經(jīng)網(wǎng)絡(luò)的輸入,共為5階分量,設(shè)計(jì)量子門線路神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)均取5-8-1的3層網(wǎng)絡(luò)結(jié)構(gòu),最大迭代步數(shù)為1 000,訓(xùn)練誤差精度為0.000 1。在相同條件下,分別通過量子門線路神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本進(jìn)行訓(xùn)練,得到量子門線路神經(jīng)網(wǎng)絡(luò)更新的旋轉(zhuǎn)角度θij和ψjk,傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣w,然后對測試樣本測試分析,得到風(fēng)險(xiǎn)值計(jì)算結(jié)果。

圖9 風(fēng)險(xiǎn)評估測試結(jié)果

樣本量子門線路神經(jīng)網(wǎng)絡(luò)實(shí)際輸出eiBP神經(jīng)網(wǎng)絡(luò)實(shí)際輸出ei10.609 70.000 30.601 60.008 420.650 50.000 50.644 20.005 830.537 80.002 20.531 30.008 740.467 30.002 70.476 50.006 550.441 60.001 60.432 60.007 4e—0.001 50.007 4σ0.001 00.001 2

BP神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、可操作性強(qiáng)等特性。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)本質(zhì)上屬于一種局部搜索的優(yōu)化算法。信息系統(tǒng)風(fēng)險(xiǎn)評估是對動(dòng)態(tài)、多目標(biāo)、多屬性的系統(tǒng)風(fēng)險(xiǎn)進(jìn)行綜合評價(jià)的過程,是一個(gè)復(fù)雜的非線性化問題。BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣w在學(xué)習(xí)訓(xùn)練過程中,通過向局部改善的方向不斷的調(diào)整,會(huì)導(dǎo)致網(wǎng)絡(luò)陷入局部極值,同時(shí)權(quán)值將會(huì)收斂到局部極小點(diǎn)。因此,BP神經(jīng)網(wǎng)絡(luò)在解決風(fēng)險(xiǎn)評估問題時(shí)收斂精度過低。由式(4)可知,量子門線路神經(jīng)網(wǎng)絡(luò)在求解旋轉(zhuǎn)角度θij和ψjk的迭代過程中,全局最優(yōu)解并非唯一,存在周期性的大量全局吸引子可以擴(kuò)充最優(yōu)解的數(shù)量。通過對實(shí)驗(yàn)中的多個(gè)樣本計(jì)算,得到量子門線路神經(jīng)網(wǎng)絡(luò)的平均誤差以及標(biāo)準(zhǔn)差均小于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)。因此,量子門線路神經(jīng)網(wǎng)絡(luò)可以得到全局最優(yōu)解,其收斂精度優(yōu)于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)。

量子門線路神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)測試訓(xùn)練收斂性能。在相同條件下,2種網(wǎng)絡(luò)模型分別選擇學(xué)習(xí)速率0.5和0.8進(jìn)行網(wǎng)絡(luò)訓(xùn)練,當(dāng)網(wǎng)絡(luò)誤差小于設(shè)定的誤差閾值或達(dá)到最大的迭代步長時(shí),則停止訓(xùn)練,得到性能測試曲線如圖10和圖11所示。2種網(wǎng)絡(luò)模型均收斂,但量子門線路神經(jīng)網(wǎng)絡(luò)的收斂速度明顯優(yōu)于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)。在學(xué)習(xí)速率分別為0.5和0.8的條件下,量子門線路神經(jīng)網(wǎng)絡(luò)的迭代步數(shù)為33和19,而傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的迭代步數(shù)為120和80。

圖10 網(wǎng)絡(luò)訓(xùn)練在學(xué)習(xí)速率為0.5時(shí)的性能曲線

圖11 網(wǎng)絡(luò)訓(xùn)練在學(xué)習(xí)速率為0.8時(shí)性能曲線

由式(11)和式(12)可知,量子門線路神經(jīng)網(wǎng)絡(luò)的初始旋轉(zhuǎn)角度θij和ψjk是在[0,2π]中隨機(jī)選取,且在迭代過程中,在區(qū)間[0,2π]上存在所有的全局最優(yōu)解,即在周期內(nèi)存在多重吸引子,可以有效地提高網(wǎng)絡(luò)的收斂速度。BP神經(jīng)網(wǎng)絡(luò)本質(zhì)上為梯度下降法,需要優(yōu)化的目標(biāo)對象十分復(fù)雜,導(dǎo)致網(wǎng)絡(luò)的低效,并且在神經(jīng)元輸出接近0或1的情況下,權(quán)值誤差改變很小,導(dǎo)致訓(xùn)練過程幾乎停頓,同時(shí)權(quán)值矩陣w的初始值均是從[-1,1] 中隨機(jī)選取,網(wǎng)絡(luò)的最優(yōu)解并不會(huì)重復(fù)出現(xiàn)。因此,BP神經(jīng)網(wǎng)絡(luò)的全局最優(yōu)解的數(shù)量明顯小于量子門線路神經(jīng)網(wǎng)絡(luò),在權(quán)值迭代過程中,單一的吸引子會(huì)導(dǎo)致網(wǎng)絡(luò)的收斂速度變慢,需要更多的迭代步長。在不同的學(xué)習(xí)速率下,量子門線路神經(jīng)網(wǎng)絡(luò)在收斂性能方面明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

通過風(fēng)險(xiǎn)評估,本文獲得待決策對象的實(shí)際風(fēng)險(xiǎn)值,將風(fēng)險(xiǎn)值作為信息資產(chǎn)是否安全的判斷依據(jù)。根據(jù)實(shí)際的風(fēng)險(xiǎn)值,將其歸入到不同的風(fēng)險(xiǎn)等級,采取相應(yīng)的措施將信息系統(tǒng)的風(fēng)險(xiǎn)保持在可容忍的范圍。根據(jù)國家等級保護(hù)相關(guān)標(biāo)準(zhǔn),將安全風(fēng)險(xiǎn)系數(shù)劃分為5個(gè)等級,依次為很低、低、中、高、很高,相應(yīng)的風(fēng)險(xiǎn)評價(jià)內(nèi)容如表3所示。通過風(fēng)險(xiǎn)等級劃分,可以給予管理員明確的風(fēng)險(xiǎn)預(yù)警提示,對高風(fēng)險(xiǎn)的系統(tǒng)資產(chǎn)采取相應(yīng)的安全防范措施,以規(guī)避潛在的安全風(fēng)險(xiǎn),提高風(fēng)險(xiǎn)管理能力。

表3 風(fēng)險(xiǎn)系數(shù)劃分

在對信息資產(chǎn)進(jìn)行風(fēng)險(xiǎn)評估的過程中,本文對各項(xiàng)資產(chǎn)進(jìn)行敏感性分析。通過敏感性分析,能夠從諸多風(fēng)險(xiǎn)因素中找出對系統(tǒng)資產(chǎn)安全有重要影響的敏感性因素,計(jì)算其對信息資產(chǎn)安全性的影響程度和敏感性程度,判斷信息系統(tǒng)能夠承受風(fēng)險(xiǎn)能力。以資源控制為例,風(fēng)險(xiǎn)值為ro,調(diào)整各個(gè)屬性值的賦值,變化率為±10%,計(jì)算變化后的信息系統(tǒng)風(fēng)險(xiǎn)值為rc,從而得到各個(gè)信息資產(chǎn)的敏感度評價(jià)。敏感度(Sensitivity,S)為S=rc-ro,以單位15為例進(jìn)行敏感性分析,如表4所示,將屬性值的變化率賦值±10%,得到屬性R4對屬性值的變化十分敏感,需要在日常的安全管理中,注意其安全配置項(xiàng)是否完備,規(guī)避因脆弱性帶來的風(fēng)險(xiǎn)。而屬性R3對于屬性值的變化相對不敏感,可以在管理中進(jìn)行相應(yīng)的側(cè)重,以提高管理的效率及降低系統(tǒng)管理成本。

表4 風(fēng)險(xiǎn)因素敏感性分析結(jié)果

通過對信息資產(chǎn)的敏感度進(jìn)行計(jì)算,得到各項(xiàng)信息資產(chǎn)的敏感度評價(jià),在對信息系統(tǒng)風(fēng)險(xiǎn)管理過程中,根據(jù)敏感度的不同,采取不同的管理措施,對于敏感度較高(即可容忍性較低)的信息資產(chǎn),定期進(jìn)行安全檢查和設(shè)備維護(hù),以規(guī)避潛在的安全威脅對信息系統(tǒng)造成的損失。

4 結(jié)束語

通過對信息系統(tǒng)安全保障體系的分析,本文提出基于信息資產(chǎn)的信息系統(tǒng)安全風(fēng)險(xiǎn)評估指標(biāo)體系。將量子門線路神經(jīng)網(wǎng)絡(luò)應(yīng)用于信息系統(tǒng)安全風(fēng)險(xiǎn)評估領(lǐng)域,利用量子旋轉(zhuǎn)門完成相位旋轉(zhuǎn)并作為控制位,控制量子位的翻轉(zhuǎn)。實(shí)驗(yàn)結(jié)果表明,量子門線路神經(jīng)網(wǎng)絡(luò)在收斂速度以及魯棒性方面均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。通過對風(fēng)險(xiǎn)因素敏感性的進(jìn)行分析,可以得到各項(xiàng)信息資產(chǎn)的敏感度,為信息系統(tǒng)更有效的風(fēng)險(xiǎn)管理提供了理論依據(jù)。