论文部分内容阅读
视频专网是公安部门建立的视频监控网络,在安保处突、案件侦查、便民服务等方面发挥重要作用。视频专网及相关视频信息资源是维护公共安全的重要手段,已成为重要的信息基础设施。由于视频专网在前期建设中缺乏总体安全规划,安全投入不足,导致安全隐患日益凸显,容易成为不法分子的目标,一旦发生重大网络安全事件将会威胁公共安全。而网络安全态势要素提取与评估技术能够及时监测并整体掌握视频专网的安全状态。因此,本文对视频专网安全态势要素提取与评估方法进行了深入研究。1、本文首先分析并研究了当前视频专网中存在的网络安全隐患以及传统的网络安全指标体系,其次针对视频专网自身特点并结合传统的基础评价指标,构建了多层次、多维度的视频专网安全态势指标体系并提出了底层指标量化公式,为视频专网安全态势要素提取与评估提供了基础。2、针对网络安全态势要素提取准确度低、检测速度慢的问题,提出一种基于线性判别分析(Linear Discriminant Analysis,LDA)-量子遗传算法(Quantum Genetic Algorithm,QGA)-XGBoost的网络安全态势要素提取方法。首先,采用LDA对原始态势要素信息集合进行降维处理,去除冗余态势要素和噪声,同时提取最优态势要素子集;其次,利用QGA优化XGBoost初始参数解决提取模型准确率波动大的问题;最后,利用优化后的参数构建XGBoost模型对态势要素进行提取。为验证算法有效性,采用仿真数据集对提出的算法进行了验证。3、针对隐马尔可夫模型(Hidden Markov Model,HMM)参数难以配置、评估准确率较低等问题,提出一种改进隐马尔科夫模型的态势评估方法,将全局随机搜索能力强的人群搜索算法与传统参数优化算法(Baum-Welch算法,BW)相结合解决BW算法容易陷入局部最优的问题,然后结合层次分析法,采用先局部后整体的方法,综合考虑视频专网的安全风险,利用公式量化分析完成最终的网络安全态势评估,得到某个特定时间周期内视频专网安全状态,便于管理者及时做出有效决策,同时通过实验对算法进行了验证。