孟瑾

摘 ?要： 風(fēng)險(xiǎn)評(píng)估是信息系統(tǒng)應(yīng)用必不可少的一項(xiàng)技術(shù)，為此，提出一種因子分析和神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估模型。構(gòu)建可有效描述信息系統(tǒng)風(fēng)險(xiǎn)情況的信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，采用因子分析法消除指標(biāo)相關(guān)性、降低風(fēng)險(xiǎn)評(píng)估指標(biāo)體系復(fù)雜度，獲取公共評(píng)估指標(biāo);采用灰狼優(yōu)化（GWO）算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，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(qiáng)依賴性等問題;將所獲公共指標(biāo)作為GWO?BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，建立信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估模型，實(shí)現(xiàn)信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估。在Matlab環(huán)境下完成模型仿真驗(yàn)證，結(jié)果表明，所提模型可有效降低風(fēng)險(xiǎn)指標(biāo)相關(guān)性，提升信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估的速率，且收斂速度快、信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估準(zhǔn)確性高。

關(guān)鍵詞： 信息系統(tǒng); 風(fēng)險(xiǎn)評(píng)估; 因子分析; 評(píng)估指標(biāo)獲取; 神經(jīng)網(wǎng)絡(luò)優(yōu)化; 模型構(gòu)建; 累積貢獻(xiàn)率

中圖分類號(hào)： TN915.08?34; TP391 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? 文章編號(hào)： 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(jìn)程加快，信息系統(tǒng)在政府、商業(yè)、各大企業(yè)中應(yīng)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(jià)值體現(xiàn)越發(fā)顯著的同時(shí)，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(gè)人和企業(yè)帶來了嚴(yán)重的經(jīng)濟(jì)損失，因此信息系統(tǒng)的風(fēng)險(xiǎn)評(píng)估必不可少[4]。通過信息系統(tǒng)風(fēng)險(xiǎn)評(píng)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(fēng)險(xiǎn)，便于及時(shí)采取應(yīng)對(duì)措施將風(fēng)險(xiǎn)扼殺在搖籃[5]。針對(duì)信息系統(tǒng)風(fēng)險(xiǎn)的影響因素多、變化較為復(fù)雜等特點(diǎn)，提出基于因子分析（FA）法和GWO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估模型，提升信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估效果[6?7]。

1 ?FA和神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估模型

1.1 ?構(gòu)建信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

信息系統(tǒng)風(fēng)險(xiǎn)是一個(gè)相對(duì)概念，一般采用可直接或間接體現(xiàn)信息系統(tǒng)風(fēng)險(xiǎn)產(chǎn)生影響因子的信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估指標(biāo)，評(píng)估一個(gè)信息系統(tǒng)的安全性[8]。為此以科學(xué)性和合理性為原則，結(jié)合國內(nèi)外相關(guān)研究構(gòu)建信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估指標(biāo)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(luò)的跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估[J].鐵道科學(xué)與工程學(xué)報(bào)，2019，16（5）：1129?1136.

[3] 何華鋒，何耀民，徐永壯.基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的導(dǎo)引頭測高性能評(píng)估[J].系統(tǒng)工程與電子技術(shù)，2019，41（7）：1544?1550.

[4] 盧信文.證據(jù)理論和神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評(píng)估模型[J].現(xiàn)代電子技術(shù)，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(luò)生豬價(jià)格預(yù)測模型[J].江蘇農(nóng)業(yè)科學(xué)，2019，47（14）：277?281.

[6] 蔣定國，全秀峰，李飛，等.基于BP神經(jīng)網(wǎng)絡(luò)的水體葉綠素a濃度預(yù)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(jìn)利.基于主成分分析和神經(jīng)網(wǎng)絡(luò)對(duì)作者影響力的評(píng)估[J].情報(bào)學(xué)報(bào)，2019，38（7）：709?715.

[8] 嚴(yán)凱，姚凱學(xué)，楊玥倩，等.基于PCA?GA?BP神經(jīng)網(wǎng)絡(luò)的茶園環(huán)境預(yù)測研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，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(yù)測研究：以垮梁子滑坡為例[J].工程地質(zhì)學(xué)報(bào)，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(jìn)品種果實(shí)品質(zhì)性狀綜合評(píng)價(jià)[J].食品科學(xué)，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(fēng)險(xiǎn)評(píng)估[J].工礦自動(dòng)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(kuò)散技術(shù)的暴雨內(nèi)澇風(fēng)險(xiǎn)評(píng)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(hào)控制路段行人過街風(fēng)險(xiǎn)評(píng)估模型[J].中國安全科學(xué)學(xué)報(bào)，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(luò)的馬歇爾試驗(yàn)?zāi)Ｐ蚚J].公路，2019，64（6）：220?226.