[发明专利]安全风险网络中基于匹配博弈的网络选择方法

权利要求书

1.安全风险网络中基于匹配博弈的网络选择方法，其特征在于，包括以下步骤：

101、根据用户的历史上网行为，并结合用户当前使用的上网设备，评估用户的安全性需求；

所述安全性需求为：

式中，α取值为0.8，为用户的安全性偏好，q_i为用户user_i使用的设备，并定义两个设备集合：高安全需求设备集合HS和低安全需求设备集合LS；

所述用户的安全性偏好是通过感知用户对于风险事件的历史处理生成的，假设共有l种风险事件，同时每个风险事件对应一种风险操作，则用历史行为矩阵E(e_iw)表示用户是否对于风险事件进行风险操作，

其中，n表示网络环境中的用户个数；

user_i的安全性偏好可表示为：

102、根据后台训练出的决策树，并结合用户终端采集到的网络接入点特征，得出网络接入点的安全评估值，包括以下步骤：

(1)非法网络接入点特征属性集的抽象：结合非法网络接入点特征，抽象出如下属性集，将用户终端连接至网络接入点收到的垃圾短信或推送数量标记为a₁条；将用户终端连接至网络接入点后是否出现网络中断次数记为a₂次；将用户终端连接至网络接入点后是否出现社交账号异常记为a₃，

(2)决策树生成：根据训练集D_train＝{a₁,a₂,a₃,τ}，其中通过CART算法训练出用于网络安全评估的决策树；

(3)周期性评估网络安全：在一定的周期内，随机选取网络net_j中连接的用户终端进行采集网络接入点行为，并根据事先训练出的决策树进行评估；

网络net_j的安全评估值g_j由以下公式得出：

其中，为每个周期对于网络net_j的评估结果，τ表示第τ个周期；

103、分别建立用户侧以及网络侧的满意度函数，并分别计算各用户对其候选网络的满意度排序值以及各网络对其候选用户的满意度排序值；

所述用户侧满意度函数为

其中，λ为调整因子，为归一化后的费用效用值，为归一化后的安全效用值，θ_i为用户user_i对于网络安全的偏好权重；

所述网络侧满意度函数为

cu_ij为用户user_i连接至网络net_j的信道利用率；

104、通过匹配博弈算法得到最终的网络选择策略，所述匹配博弈算法包括以下步骤：

(1)建模匹配博弈模型：分别构建网络与用户的满意度排序值矩阵和

定义μ为一对多匹配博弈中表示匹配对集合，μ＝{(user₁,net₄),(user₂,net₃),...,(user_n,net₅)}，其中(user_i,net_j)代表用户user_i和网络net_j存在一条匹配，即用户user_i接入到网络net_j，在匹配对μ中，用户侧的满意度总排序值网络侧的满意度总排序值匹配博弈的目标是关于ξ和ζ的多目标优化问题；

(2)求解匹配博弈，得到最终网络选择策略：

假设某时刻网络net_j可以容纳y_j个用户，则将网络net_j虚拟划分为y_j个与原网络偏好相同的子网络，每个子网络可以接入一个用户，得到新的网络集合将原有的满意度排序值矩阵和扩展为和扩展后的满意度排序值矩阵包含用户对所有子网络的满意度排序值和所有子网络对用户的满意度排序值；构建新的匹配其中表示网络net_m的第y个虚拟子网络；重新构建网络侧的满意度总排序值与用户侧的满意度总排序值匹配博弈问题转换为求解最小化和的多目标优化问题；

(3)将上述多目标优化问题转化为基于隶属度函数的线性加权和法将其转化为单目标优化问题，并进行求解，得到最终的网络选择策略。

2.根据权利要求1所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：所述风险事件包括：收到带有附件的不明邮件，收到带有链接的不明短信，访问带有风险警告的网站。