网络安全风险动态评估方法研究

对网络安全风险进行准确的动态评估,可以提高网络的安全系数,保证网络良好稳定的运行。获取相关的风险指标,并对指标进行量化处理是进行网络安全风险评估的前提,而传统方法通过获取网络安全中资产、威胁、薄弱性的关键因素,并计算相应的风险值实现评估,但是不能够严格量化风险指标,存在安全风险动态评估偏差大的问题。提出一种采用模糊理论与RBF神经网络相融合的网络安全风险动态评估方法。上述方法首先根据网络安全风险动态评估原理,与模糊RBF神经网络模型的特征优势相结合,构建网络安全风险动态评估系统,利用模糊理论对网络安全风险因素指标实现量化,对网络输入实现模糊预处理,由此建立各风险因素对应评判集的隶属度矩阵,在此基础上对网络安全风险因素隶属度实现学习,最终输出网络安全风险等级。仿真结果表明,上述算法能够较好地量化评估网络系统动态风险,并提高了网络安全风险评估准确性。