[发明专利]一种基于多个指标维度复合距离的模型评价方法

权利要求书

1.一种基于多个指标维度复合距离的模型评价方法，其特征是它包括：

对信息系统的缺陷数据进行预处理的步骤；

对待评价的安全风险分析模型进行估计的步骤；

为众多模型选择关联性很小的评价指标并划定可行域；

对各模型的各评价指标的参数归一，并计算得出理论值归一化后的各指标值Yi，计算各指标值Yi的复合距离，各模型中，复合距离与模型优异程度成反比即模型的指标复合距离越小，模型越好。

2.根据权利要求1所述的基于多个指标维度复合距离的模型评价方法，其特征是具体步骤如下：

第一步，对于信息系统的缺陷数据进行预处理，剔除掉具有重复影响的数据，剩下的作为有效数据；

第二步，建立各模型的参数表得到各模型的均值函数，将前述有效数据代入参与测评的各安全风险分析模型中采用最小二乘法进行估计计算，得到风险分析模型均值函数中涉及的参数；根据上述参数值，分别建立以时间t为未知量的函数μ(t)，各函数值均为对应模型缺陷累计值的预测值，函数为各模型的均值函数；

第三步，根据待评价的模型，建立模型的评价指标参数表，为待评价的模型选择若干个关联性小的指标并划定各评价指标的可行域，各评价指标值的上界为Amax,下界为Amin；

第四步，利用第二步中得到的风险分析模型均值函数μ(t)，将第一步的信息系统的缺陷数据中的时间作为参数，代入各均值函数中经过计算得到各风险分析模型的函数值即估计的缺陷个数μ(t)，并利用评价指标参数表中的各评价指标的数学公式计算出各个模型的各评价指标参数的值Aactual；

第五步，根据第三步选择的指标X₁,X₂......X_n，将各模型的评价指标值Aactual进行归一化，得到各指标归一化后的数值Yi根据选择出来的各指标的意义，对于指标值越大，模型越好的度量指标：Y=(A_max-A_actual)/(A_max-A_min)对于指标值越小，模型越好的度量指标：Y=(A_acal-A_min)/(A_max-A_min)第六步，根据上面步骤归一化后的任一模型的各指标值Yi计算复合距离：利用公式：这样δ的值越小则模型越优异。