本站小編為你精心準備了光纖通信網絡風險評估參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

光纖具有抗干擾、數據傳輸快、損耗小等優點，成為當前網絡的主要通信介質，在許多領域得到了廣泛應用［1，2］。然而光纖通信網絡與其它類型的網絡一樣，也存在安全隱患問題［3］，如果出現數據被竊取、網絡入侵等行為，那么會給人們帶來巨大的經濟損失，為此，如何提高光纖通信網絡的安全，一直是網絡安全管理領域中的研究熱點［4］。近幾年來，學者們對光纖通信網絡的風險評估進行廣泛研究，最原始風險評估模型是引用其它類型的網絡評估模型，如雙絞線網絡等，但是光纖通信網絡具有其自身的特殊性，這些模型的風險評估結果不可靠［5］。近些年，一些研究機構提出了基于層次分析法、德爾斐法、決策樹、神經網絡、支持向量機等光纖通信網絡的風險評估模型［6－10］。層次分析法、德爾斐法屬于定性分析或簡單定量方法，評估結果的好壞與專家經驗和知識直接相關，評估精度不太穩定，時高時低，而且評估結果含有一定的主觀性［11］。決策樹、神經網絡、支持向量機等屬于定量分析方法，根據光纖通信網絡風險的評估指標，采用神經網絡等建立相應的評估模型，評估精度比較高，在光纖通信網絡風險評估中應用最為廣泛［12］。在實際應用中，這些方法均沒有考慮評估指標選擇問題，導致評估指標過多，評估結果和效率均有待進一步改善［13］。為了提高光纖通信網絡風險評估精度，有效保證光纖網絡的數據傳輸可靠性，提出一種因子分析法的光纖通信網絡風險評估模型，采用并通過具體實例對其有效性和優越性進行分析。

1建立光纖通信網絡風險的數學模型

在光纖通信網絡風險評估過程中，有兩個步驟對評估結果的影響十分關鍵，其中一個是評估指標的選擇，另一個是光纖通信網絡風險值的預測算法。假設選擇第i個樣本的評估指標為{xi1，xi2，…，xin}，相應的光纖通信網絡值為yi，那么光纖通信網絡風險評估的數學模型可以描述。

2因子分析法選擇光纖網絡風險評估指標

2．1原始評估指標一個光纖通信網絡系統安全包括很多方面，本文主要從資產、威脅性、脆弱性和安全制度等4個方面對光纖通信網絡的風險進行評估，因此在專家意見的基礎上，根據國內外相關研究結果，建立一個如圖1所示的評估指標體系，該評估指標體系由3層組成，其中最底層為具體的細化指標。

2．2因子分析法選擇指標對于圖1中的光纖通信網絡風險評估指標，各個指標對風險評估重要程度不同，且各個指標之間互相作用，存在一定的冗余，如果將它們直接輸入到評估算法中進行學習，計算時間會相當長，對風險評估結果產生不利影響。為了防止該問題的出現，采用因子分析法選擇風險評估指標。

3光纖通信網絡風險的評估模型

3．1SVM評估算法評估算法根據因子分析法選擇的評估指標作為輸入，期望風險值作為輸出，建立一種光纖通信網絡風險評估模型，本文選擇支持向量機(SupportVectorMachine，SVM)作為評估算法。SVM是一種統計學算法，它要求樣本數量小，這符合光纖通信網絡風險評估的實際情況，不僅模型復雜性不太高，而且學習能力很強，是當前公認的最好預測算法之一。設一種線性預測問題的樣本集為:(xi，yi)，i=1，2，…n，n為樣本規模，d為特征維數，對于光纖通信網絡風險評估問題，即表示評估指標的數量，yi為對應風險期望值。

3．2因子分析法的光纖通信網絡風險的評估原理因子分析法的光纖通信網絡風險的評估原理:首先構建光纖通信網絡風險的評估指標體系，然后采用因子分析選擇評估指標，最后利用支持向量機建立光纖通信網絡風險模型，具體流程如圖2所示。

4仿真實驗

4．1數據源選擇某公司光纖通信網絡的風險歷史數據進行仿真實驗測試，共得到300個數據，歸一化的評估指標和風險值見表1所示。

4．2因子分析法的實現采用SPSS軟件對13個評估指標進行因子分析提取主成分，主成分的貢獻率結果如表2所示。從表2可知，選擇前7個主成分就可以描述原始13個評估指標，將它們作為支持向量機的輸入向量。

4．3SVM的核函數選擇當前SVM的核函數眾多，每一種核函數的適用范圍不同，典型核函數的光纖通信網絡風險評估精度風險表3所示，從表3可知，徑向基函數的評估精度最高，因此選擇其構建光纖通信網絡的風險評估模型。

4．4結果與分析為了驗證本文方法(FA－SVM)進行光纖風險評估的性能，選擇原始指標的支持向量機(SVM)、因子分析法的RBF神經網絡(FA－RBFNN)、因子分析法的BP神經網絡((FA－BPNN)進行對比實驗，隨機選擇100個樣本組成訓練樣本，建立光纖通信網絡風險評估模型，其余樣本對模型性的性能進行分析，所有模型的建模效果如表4所示。從表4可知:相對于SVM，FA－SVM無論是光纖通信網絡風險評估精度還是訓練速度都得到顯著改善，這說明采用因子分析法對光纖通信網絡風險評估指標進行優化，可以有效降低SVM輸入向量的維數，獲得更加理想的光纖通信網絡風險評估效果，對比結果證明了本文建模思想的正確性和有效性;相對于FA－RBFNN、FA－BPNN，FA－SVM大幅度提高了光纖通信網絡風險評估精度，訓練時間要略長，這說明采用支持向量機對光纖通信網絡風險評估進行建模，可以更好的描述評估指標與風險值之間的變化關系，雖然訓練速度有所下降，但是隨著計算機性能的提高，這一點時間可以忽略不計，對比結果表明本文的光纖通信網絡風險評估建模思想具有一定的優越性。

5結論與展望

風險評估是保證光纖通信網絡安全的基礎，已成為人們關注的焦點，以某公司的光纖通信網絡系統作為研究對象，構建一種基于因子分析法的光纖通信網絡風險評估模型，實證研究結果表明，本文模型可以獲得理想的光纖通信網絡評估結果，并與其它光纖通信網絡評估模型進行對比，驗證了本文模型的優越性。具體結論如下:(1)采用因子分析法對光纖通信網絡評估指標進行選擇，減少了評估指標的數量，簡化了評估模型結構，提高了評估效率;(2)采用支持向量機對光纖通信網絡的風險值進行預測，可以描述評估指標與風險值之間的非線性關系，評估結果可以為光纖通信網絡管理系統提供預警信息;(3)本文模型雖然取得不錯的效果，但仍然有許多問題有待進一步探索，如樣本選擇，支持向量機參數的優化，這是我們將要努力的方向。

作者：牛詠梅 單位：南陽理工學院