在开放互联网环境下,信息系统总是面临着各种各样的安全风险。为了避免风险事件发生,必须对信息系统的风险进行有效管理,而科学地分析和评估信息系统风险是其中的关键环节。本文致力于研究粗糙集理论在信息系统风险评估中的应用,利用粗糙集在知识发现方面的优势,从历史评估数据中挖掘出具有一定可信度和覆盖率的风险规则,辅助评估人员做出决策。本文的主要研究内容和成果如下:(1)针对粗糙集理论中的连续属性集离散化问题,提出将云模型与粗糙集理论结合,首先利用基于云模型的定量到定性的转换方法将连续属性集离散化,然后再应用基于粗糙集的知识发现获取决策规则。实验证明:基于云模型的离散化方法不仅可以简化粗糙集知识发现所获取的规则,同时使获得的规则具有更好的普适性。(2)提出一种基于改进遗传算法的粗糙集属性约简算法。该算法将标准遗传算法中初始种群的个体由单倍染色体改进为包含一条显性染色体和一条隐性染色体的双倍体,并引入自适应技术,使变异概率和交叉概率可以根据适应度动态调整。实验证明:该算法较基于遗传算法的粗糙集属性约简算法能够更快得到最佳约简。(3)搭建了基于粗糙集数据分析的信息系统风险评估决策支持系统。该系统可以从历史风险评估数据中挖掘出风险规则,并利用这些风险规则辅助评估人员做出决策。介绍了该系统的总体结构及各个子模块的功能,并通过仿真实例说明了核心模块的工作流程。