◆金義 周傳生

BP神經(jīng)網(wǎng)絡(luò)在高校校園網(wǎng)絡(luò)安全評價中的應(yīng)用與研究

◆金義 周傳生通訊作者

（沈陽師范大學(xué) 遼寧 110034）

隨著高校信息化建設(shè)的熱潮，網(wǎng)絡(luò)規(guī)?；靖采w了整個校園。但黑客入侵的增多以及網(wǎng)絡(luò)病毒的泛濫，給校園網(wǎng)絡(luò)安全帶來了隱患，同時也對校園網(wǎng)絡(luò)安全的評價提出了更高的要求。本文利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建評價模型，將其應(yīng)用于校園網(wǎng)絡(luò)安全評價當(dāng)中。參考國內(nèi)外對校園網(wǎng)絡(luò)安全評價的研究成果，將評價指標(biāo)數(shù)據(jù)量化輸入，并通過Matlab仿真實(shí)驗(yàn)，訓(xùn)練并得到滿意的評價結(jié)果，驗(yàn)證了評價模型的適用性。

校園網(wǎng)絡(luò)安全；BP神經(jīng)網(wǎng)絡(luò)；評價模型

對于網(wǎng)絡(luò)安全評價來說，傳統(tǒng)的評價方法存在著主觀性強(qiáng)、精確度低等問題，經(jīng)常會有許多定性因素穿插交融在復(fù)雜的評價問題當(dāng)中，而且一般的評價方法很難反應(yīng)指標(biāo)間的非線性關(guān)系，人們常常難以準(zhǔn)確地論述各目標(biāo)屬性間的相互關(guān)系。而BP神經(jīng)網(wǎng)絡(luò)具備很強(qiáng)的處理非線性間關(guān)系的能力，利用樣本數(shù)據(jù)訓(xùn)練和學(xué)習(xí)實(shí)現(xiàn)對網(wǎng)絡(luò)當(dāng)中連接各個神經(jīng)元之間的權(quán)值和閾值的自適應(yīng)，最終實(shí)現(xiàn)對非線性特性的有效預(yù)測，從而一定程度上避免了評價的主觀性和不確定性。

1 BP神經(jīng)網(wǎng)絡(luò)的基本原理

BP神經(jīng)網(wǎng)絡(luò)是當(dāng)今應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)模型之一，它是一種多層前饋網(wǎng)絡(luò)，利用誤差逆?zhèn)鞑ニ惴ㄟM(jìn)行訓(xùn)練，能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系的數(shù)學(xué)方程[1]。網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包含輸入層、隱含層和輸出層。隱含層可以為一層或多層，均由多個神經(jīng)元組成，每層上的神經(jīng)元稱為節(jié)點(diǎn)或單元。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

其原理就是先通過任意確定一個權(quán)值和選擇激活函數(shù)，計(jì)算得到輸出，然后將此輸出與正確的輸出進(jìn)行誤差分析，通過學(xué)習(xí)修正權(quán)值，最終得到正確的輸出過程。

2 高校校園網(wǎng)絡(luò)安全評價指標(biāo)體系

通過對國內(nèi)外已提出的網(wǎng)絡(luò)安全評價標(biāo)準(zhǔn)進(jìn)行研究和分析，并結(jié)合我國高校校園網(wǎng)絡(luò)安全現(xiàn)狀，制定了一套能夠綜合和全面反映校園網(wǎng)絡(luò)安全特征的指標(biāo)集合。校園網(wǎng)絡(luò)安全評價指標(biāo)如表1所示，該指標(biāo)數(shù)據(jù)也可根據(jù)實(shí)際需求進(jìn)行定制化的擴(kuò)展。

表1 高校校園網(wǎng)絡(luò)安全評價指標(biāo)

3 高校校園網(wǎng)絡(luò)安全評價模型的建立

BP神經(jīng)網(wǎng)絡(luò)評價模型構(gòu)建的詳細(xì)過程如下：

（1）網(wǎng)絡(luò)層數(shù)的確定：

BP神經(jīng)網(wǎng)絡(luò)可以包含一個或多個隱含層。但事實(shí)已經(jīng)證明，對于單個隱含層的神經(jīng)網(wǎng)絡(luò)來說，可適量的增加神經(jīng)元的節(jié)點(diǎn)個數(shù)來實(shí)現(xiàn)任意非線性的映射，也可降低復(fù)雜度。因此本文采用的拓?fù)浣Y(jié)構(gòu)為含有一層隱含層的三層BP神經(jīng)網(wǎng)絡(luò)。

（2）輸入層神經(jīng)元個數(shù)要由輸入向量的維數(shù)來決定：

根據(jù)表1可知，影響校園網(wǎng)絡(luò)安全的主要指標(biāo)有15項(xiàng)，即輸入層神經(jīng)元個數(shù)為=15。

（3）輸出層神經(jīng)元個數(shù)的確定：

將校園網(wǎng)絡(luò)安全評價結(jié)果作為網(wǎng)絡(luò)神經(jīng)元的輸出，即輸出層神經(jīng)元個數(shù)為=1。

（4）隱含層節(jié)點(diǎn)數(shù)的選擇：

BP神經(jīng)網(wǎng)絡(luò)的性能受隱含層節(jié)點(diǎn)個數(shù)的影響，雖然增加隱含層的節(jié)點(diǎn)個數(shù)可以提高網(wǎng)絡(luò)性能，但也會導(dǎo)致訓(xùn)練時間過長。本文根據(jù)下面的公式來確定隱含層節(jié)點(diǎn)數(shù)[2]：

其實(shí)中是隱含層神經(jīng)元節(jié)點(diǎn)數(shù)，和是輸入和輸出層神經(jīng)元節(jié)點(diǎn)數(shù)。將=15，=1帶入到公式當(dāng)中，通過計(jì)算，本文采用的隱含層個數(shù)為5。

（5）確定了上述的數(shù)據(jù)之后，具體的計(jì)算步驟如下：

為了加快網(wǎng)絡(luò)訓(xùn)練和收斂速度，對訓(xùn)練樣本進(jìn)行預(yù)處理，經(jīng)常采用歸一化方法。公式為：

輸入一個訓(xùn)練樣本數(shù)據(jù)，作為輸入值。計(jì)算中間層各神經(jīng)元的輸入x即：

在隱含層中選擇單極性Sigmoid函數(shù)和雙極性Sigmoid 函數(shù)作為其激活函數(shù)（），即：

計(jì)算各層的學(xué)習(xí)誤差d：

修改局部的網(wǎng)絡(luò)權(quán)值：

當(dāng)運(yùn)算結(jié)果滿足條件時，網(wǎng)絡(luò)訓(xùn)練完成，將自動保存訓(xùn)練結(jié)果的權(quán)值到BP神經(jīng)網(wǎng)絡(luò)中，此時網(wǎng)絡(luò)模型可以定型，用于對評價對象進(jìn)行判斷識別。否則返回（2）執(zhí)行，直到滿足全部輸入輸出要求為止。

4 基于Matlab的仿真實(shí)驗(yàn)

本文使用Matlab平臺進(jìn)行仿真。根據(jù)參考文獻(xiàn)，選取了10組校園網(wǎng)絡(luò)安全評價數(shù)據(jù)，如表2所示。用這10組數(shù)據(jù)作為訓(xùn)練樣本，又選取5組數(shù)據(jù)被用來當(dāng)作檢驗(yàn)樣本，以檢驗(yàn)評價效果和模型的可行性。

通過Matlab人工神經(jīng)網(wǎng)絡(luò)工具箱訓(xùn)練網(wǎng)絡(luò)，創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)評價模型，并對樣本數(shù)據(jù)進(jìn)行訓(xùn)練。其實(shí)現(xiàn)過程如圖2所示。

校園網(wǎng)絡(luò)安全的主要指標(biāo)有15項(xiàng)，所以輸入層神經(jīng)元個數(shù)為=15，安全評價結(jié)果作為網(wǎng)絡(luò)神經(jīng)元的輸出，所以輸出層的神經(jīng)元個數(shù)=1，網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)選為5，學(xué)習(xí)精度為0.001。輸入10組數(shù)據(jù)，訓(xùn)練次數(shù)為1600次時其輸出誤差最終到達(dá)了收斂。其訓(xùn)練過程如圖3所示。對檢驗(yàn)樣本進(jìn)行評價，評價結(jié)果如表3所示。

表2 學(xué)習(xí)樣本

圖3 數(shù)據(jù)樣本的訓(xùn)練過程

表3 檢驗(yàn)結(jié)果

在校園網(wǎng)絡(luò)安全評價研究領(lǐng)域，可將評價結(jié)果大致可以分為A（安全系數(shù)很高）、B（安全系數(shù)較高）、C（安全系數(shù)一般）、D（安全系數(shù)低）4個等級，設(shè)滿分為10分[4]。檢驗(yàn)輸出值與樣本期望輸出值的最大相對誤差不超過3.0%，輸出安全等級與期望輸出完全相同，驗(yàn)證了評價模型的準(zhǔn)確性和合理性。

5 結(jié)語

在高校校園信息化建設(shè)的浪潮當(dāng)中，校園網(wǎng)絡(luò)安全依舊是我們不可忽略的問題，本文利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建評價模型，通過權(quán)值和閾值的自適應(yīng)自學(xué)習(xí)，不斷修正誤差，使其逼近理想的輸出值，得到了更科學(xué)、更合理的評價結(jié)果。仿真實(shí)驗(yàn)表明，該模型可以有效地應(yīng)用到校園網(wǎng)絡(luò)安全評價當(dāng)中。

[1]楊昌昌，武瑛，等.BP神經(jīng)網(wǎng)絡(luò)在大學(xué)生社團(tuán)評價中的應(yīng)用[J].電腦知識與技術(shù)，2020，16（08）：206-207.

[2]張磊，方正，王磊，宋彬.基于BP神經(jīng)網(wǎng)絡(luò)的課程質(zhì)量評價體系研究與應(yīng)用[J].赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2020，36（01）：102-104.

[3]占俊.基于自適應(yīng)BP經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評價[J].現(xiàn)代電子技術(shù)，2015，38（23）：85-88.

[4]周瓏，郭威，王建永，黃杰韜.基于神經(jīng)網(wǎng)絡(luò)算法的網(wǎng)絡(luò)安全評價模型[J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2018，40（04）：426-430.