[发明专利]一种移动网络风险脆弱性的评估方法及装置

权利要求书

1.一种移动网络风险脆弱性的评估方法，其特征在于，所述方法包括：

遍历待评估移动网络，获取所述待评估移动网络的基本信息数据；所述基本信息数据包括资产数据、风险数据、脆弱性数据以及防御措施数据；

将所述基本信息数据与预设的对比数据库进行对比，获取初始处理数据；所述对比数据库包括基本信息数据以及初始处理数据的对应关系；所述对比数据库根据历史信息数据以及专家历史测定结果建立；所述初始处理数据反映待评估移动网络的初始评估结果；其中，所述资产数据对应为初始资产处理数据，所述风险数据对应为初始风险处理数据，所述脆弱性数据对应为初始脆弱性处理数据，所述防御措施数据对应为初始防御措施处理数据；

将所述初始风险处理数据输入预先训练好的第一评估模型中，获取第一评估结果；所述第一评估模型包括初始处理数据以及评估结果的对应关系；

将所述初始脆弱性处理数据以及所述初始防御措施处理数据输入预先训练好的第二评估模型中，获取第二评估结果；所述第二评估模型包括初始处理数据以及评估结果的对应关系；

根据所述初始处理数据、所述第一评估结果以及所述第二评估结果，确定评估结果。

2.根据权利要求1所述的方法，其特征在于，将所述基本信息数据与预设的对比数据库进行对比，获取初始处理数据，包括：

根据所述资产数据确定评估等级；

确定出所述预设对比数据库中与所述基本信息数据一致的目标对照数据，并根据所述评估等级，确定所述初始处理数据。

3.根据权利要求1所述的方法，其特征在于，所述第一评估模型采用以下方法确定：

多次将第一样本数据输入待训练的第一评估模型中，进行训练，获取训练好的第一评估模型；所述第一评估模型为神经网络模型；

第一评估模型通过以下方法构建；

首先，确定第一评估模型的基本结构，第一评估模型包括三层，分别为输入层、隐藏层以及输出层；其中，第一层为所述输入层，取4个神经元；所述输入层表示为X＝{x_i|i∈(1，4)}；所述初始风险处理数据表示为输入向量A＝NL，HL，ML，NA，其中，NL表示软件漏洞威胁度数据、HL表示硬件漏洞威胁度数据、ML表示管理漏洞威胁度数据，NA表示网络攻击威胁度数据；所述第一评估模型的第二层为所述隐藏层，取5个节点；所述隐藏层表示为B＝{b_j|j∈(1，5)}；所述第一评估模型的第三层为所述输出层，取1个节点；输出层节点表示为y，输出特性函数取s型函数；

输入层神经元的输出采用以下方法确定：

其中，α_h为隐藏层第h个神经元的输入，同时也为所述输入层神经元的输出；x_i为输入层第i个神经元；υ_ih为输入层到隐藏层的权值设；

输出层神经元的输入采用以下方法确定：

其中，β为所述输出层神经元的输入，同时也为隐藏层所有神经元的输出；w_h为隐藏层到输出层的权值；γ_h为隐藏层第h个神经元的阈值；α_h为隐藏层第h个神经元的输入；

所述第一评估结果采用以下方法确定：

y＝f(β-θ)

其中，y为所述第一评估结果；β为所述输出层神经元的输入；θ为输出层神经元的阈值；f为神经网络的激活函数，为单极性Sigmoid函数；

所述神经网络的激活函数采用以下方法确定：

其中，z为f的形参；f为所述神经网络的激活函数；

最后，对所述第一评估模型进行优化，采用最小二乘法计算输出误差；

输出误差采用以下方法确定：

其中，E为所述输出误差；d为输出期望；f为所述神经网络的激活函数；v_ih为所述输入层到隐藏层的权值；γ_h为所述隐藏层第h个神经元的阈值；w_h为所述隐藏层到输出层的权值；θ为输出层神经元的阈值；x_i为所述输入层第i个神经元；

采用以下方法确定各层神经元之间的权重：

其中，E为所述输出误差；v_ih为所述输入层到隐藏层的权值，γ_h为所述隐藏层第h个神经元的阈值，w_h为所述隐藏层到输出层的权值，θ为所述输出层神经元的阈值。