基于随机森林的智慧城市信息安全风险预测
详细信息 查看官网全文
- 英文论文题名：Risk Prediction of Smart City Information Security Based on Random Forest
- 论文作者：向尚 ; 邹凯 ; 蒋知义 ; 张中青扬
- 英文论文作者：XIANG Shang ; ZOU Kai ; JIANG Zhi-yi ; ZHANG Zhong-qing-yang ; Public Administration College ; XiangTan University ; Library ; XiangTan University
- 年：2016
- 作者机构：湘潭大学公共管理学院;湘潭大学图书馆;
- 论文关键词：信息安全 ; 风险预测 ; 随机森林 ; 智慧城市
- 英文论文关键词：information security ; risk prediction ; random forest ; smart city
- 会议召开时间：2016-11-12
- 会议录名称：第十八届中国管理科学学术年会论文集
- 英文会议录名称：Proceedings of the 18th Chinese Annual Conference on Management Science
- 语种：中文
- 分类号：TP181;TP309
- 学会代码：ZHYJ
- 会议名称：第十八届中国管理科学学术年会
- 会议地点：中国陕西西安
- 主办单位：中国优选法统筹法与经济数学研究会、西安交通大学、中国科学院科技战略咨询研究院、《中国管理科学》编辑部
- 学会名称：中国优选法统筹法与经济数学研究会
- 页数：5
- 文件大小：593k
- 原文格式：O
- 会议级别：全国
摘要
智慧城市面临越来越严峻的信息安全威胁,传统的信息安全风险预测方法较难适应智慧城市信息安全的复杂性、非线性与不确定性等特性。本文通过改进现有智慧城市信息安全风险指标体系,基于机器学习中的随机森林算法,构建一个智慧城市信息安全风险预测模型,并与传统模型预测结果对比,结果表明,模型预测效果较其他模型更优秀。
The smart city is facing more and more severe threats of information security.The traditional information security risk prediction method is difficult to adapt to the smart city whose information security have complexity,nonlinear and uncertainty and other characteristics.In this paper,a smart city infformation security risk prediction model is constructed through improving the existed smart city information sellerity risk inedx system and based on a random forest algorithin of the machine learning.Furthmore,a result comparison with the traditional model is conducted.Results show that,the prediction of the model based on random forest is more outstanding.
The smart city is facing more and more severe threats of information security.The traditional information security risk prediction method is difficult to adapt to the smart city whose information security have complexity,nonlinear and uncertainty and other characteristics.In this paper,a smart city infformation security risk prediction model is constructed through improving the existed smart city information sellerity risk inedx system and based on a random forest algorithin of the machine learning.Furthmore,a result comparison with the traditional model is conducted.Results show that,the prediction of the model based on random forest is more outstanding.
引文
[1]陈虎.网络信息安全风险态势预测分析方法探讨[J].网络安全技术与应用,2014,159(3):153-154.
[2]黄静,赵庆祯.基于朴素贝叶斯的供应链金融信用风险预测分析[J].物流科技,2009,32(8):134-137.
[3]周忠宝,刘佩,喻怀宁,等.考虑交易成本的多阶段投资组合评价方法研究[J].中国管理科学,2015,23(5):1-6.
[4]张丽霞,施国庆.基于支持向量机的工程项目风险预测研究[J].计算机工程与应用,2005,(21):224-226.
[5]王瑛,王金秀,江华,等.新生儿高胆红素血症的风险预测[J].临床儿科杂志,2012,30(3):238-241.
[6]Luts J,Ojeda F,Van de Plas R.A tutorial on support vector machine-based methods for classification problems in chemometrics[J].Analytica Chimica Acta,2010,665(2):129-145.
[7]满晓元.智慧城市信息安全风险及评估方法[J].电子世界,2013,437(23):77-78.
[8]董袁泉.智慧城市中信息安全的分析以及应对措施[J].微型机与应用,2014,415(23):16-18.
[9]邹凯,向尚,张中青扬,等.智慧城市信息安全风险评估模型构建与实证研究*[J].图书情报工作,2016,548(7):1-6.
[10]GB/T 31722-2015.信息技术安全技术信息安全风险管理[S].北京:中华人民共和国国家质量监督检验检疫总局,2015.
[11]Breiman L.Random forests[J].Machine Learning,2001,45(1):5-32.
[2]黄静,赵庆祯.基于朴素贝叶斯的供应链金融信用风险预测分析[J].物流科技,2009,32(8):134-137.
[3]周忠宝,刘佩,喻怀宁,等.考虑交易成本的多阶段投资组合评价方法研究[J].中国管理科学,2015,23(5):1-6.
[4]张丽霞,施国庆.基于支持向量机的工程项目风险预测研究[J].计算机工程与应用,2005,(21):224-226.
[5]王瑛,王金秀,江华,等.新生儿高胆红素血症的风险预测[J].临床儿科杂志,2012,30(3):238-241.
[6]Luts J,Ojeda F,Van de Plas R.A tutorial on support vector machine-based methods for classification problems in chemometrics[J].Analytica Chimica Acta,2010,665(2):129-145.
[7]满晓元.智慧城市信息安全风险及评估方法[J].电子世界,2013,437(23):77-78.
[8]董袁泉.智慧城市中信息安全的分析以及应对措施[J].微型机与应用,2014,415(23):16-18.
[9]邹凯,向尚,张中青扬,等.智慧城市信息安全风险评估模型构建与实证研究*[J].图书情报工作,2016,548(7):1-6.
[10]GB/T 31722-2015.信息技术安全技术信息安全风险管理[S].北京:中华人民共和国国家质量监督检验检疫总局,2015.
[11]Breiman L.Random forests[J].Machine Learning,2001,45(1):5-32.