赵 倩
(安徽警官职业学院 信息管理系, 合肥 230031)
互联网技术的飞速发展和广泛应用使得信息资源高度集中,同时增加了信息泄漏的风险,因此需要不断加强信息安全管理。进行信息安全风险评估,可为保障信息安全提供科学依据,是风险管理的重要环节。信息安全风险评估模型需要不断优化,从而尽可能排除偶然因素和人为因素对评估结果的影响,提高风险评估效率。为此,我们提出了一种基于贝叶斯正则化神经网络的风险量化评估模型:利用模糊理论对评价指标进行量化处理,以降低偶然因素和人为因素的影响;利用贝叶斯正则化算法对BP神经网络进行训练,以改善拟合效果。
贝叶斯定理是由概率论引申的定理,主要用于处理不确定性知识。公式(1)展现了贝叶斯正则化神经网络处理参数的核心思想,经过正则化处理后的参数能够有效提高神经网络的泛化能力[1-2]。
(1)
式中:A、B代表事件;P表示事件发生的概率。(A|B)表示在事件B已经发生的情况下事件A再发生;(B|A)表示在事件A已经发生的情况下事件B再发生。
BP神经网络的训练性能函数为误差函数(MSE),其表达式如式(2)。
(2)
式中:ED代表误差平方总和均值;n是样本集的数量;ai指网络输入;ti指与网络输入相对应的目标输出。
使用贝叶斯正则化对式(2)进行修正后,得到公式(4)。
F(w)=αEw+βED
(3)
(4)
式中:F(w)指神经网络的权重误差函数;Ew是网络中所有权值的平方和均值;m是网络权值的总数;……