融合KPCA和GWO-BP网络的工业控制系统风险评估

摘要：

为提高工业控制系统信息安全风险评估的准确性,提出基于核主成分分析(kernel principal component analy,KPCA)和灰狼算法(grey wolf optimization algorithm,GWO)优化反向传播(back propagation,BP)神经网络的工业控制系统信息安全风险评估模型.即先使用KPCA法进行相关的风险因素分析,消除冗余变量,从而对神经网络的整个结构进行简化;为避免模型陷入局部解,在对BP神经网络的参数进行寻优后完成工业控制系统风险评估模型的建立,并在MATLAB环境下编写算法进行仿真,以此来验证评估模型的有效性.仿真结果表明,基于KPCA-GWO-BP的风险评估模型可以显著提高风险评估结果的准确率.

关键词：信息安全风险评估、风险因素分析、优化算法、BP神经网络

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

资助基金：上海市“科技创新行动计划”高新技术领域项目18511105700,18511105800

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2683-2688