基于大数据分析的风险评估方法、计算机装置及可读存储介质制造方法及图纸

技术编号:29404714 阅读:46 留言:0更新日期:2021-07-23 22:43
本发明专利技术属于信息系统风险技术领域,尤其涉及一种基于大数据分析的风险评估方法、计算机装置及可读存储介质,在庞大的数据集中,采用因子分析法消除指标相关性、降低风险评估指标体系复杂度,获取公共评估指标;采用改进的GWO算法优化BP神经网络,解决其收敛速度慢、容易陷入局部最优、初始化参数具备较强依赖性问题;将所获公共指标作为GWO-BP神经网络的输入数据,建立信息系统风险评估模型,实现信息系统风险评估,并使得评估速率更快、准确性更高。

【技术实现步骤摘要】
基于大数据分析的风险评估方法、计算机装置及可读存储介质
本专利技术属于信息系统风险
,尤其涉及一种基于大数据分析的风险评估方法、计算机装置及可读存储介质。
技术介绍
伴随我国信息化发展进程加快,信息系统在政府、商业、各大企业中应用十分普遍。信息系统以其自身具备的开放性优势,给人们的工作及生活带来了极大的便利。伴随信息系统价值体现越发显著的同时,信息系统存在的安全问题同样不可忽视。一些不法人员通过非法途径入侵信息系统盗取资料,给个人和企业带来了严重的经济损失,因此信息系统的风险评估必不可少。通过信息系统风险评估可有效了解信息系统存在的安全问题以及未来可能存在的风险,便于及时采取应对措施将风险扼杀在摇篮。信息系统风险是一个相对概念,一般采用可直接或间接体现信息系统风险产生影响因子的信息系统风险评估指标,评估一个信息系统的安全性。由于信息系统风险的影响因素多、变化较为复杂,多种指标复杂性以及指标间的相关性会严重干扰信息系统风险评估,导致信息系统风险评估的精确性不足。
技术实现思路
针对上述技术问题,本本文档来自技高网...

【技术保护点】
1.基于大数据分析的风险评估方法,其特征在于,所述方法包括以下步骤:/nS1、构建信息系统风险评估指标体系;/nS2、采用因子分析法,获取所述信息系统风险评估体系中的公共指标;/nS3、采用改进的GW0算法优化BP神经网络,构建GW0-BP神经网络;/nS4、将所述公共指标作为所述GW0-BP神经网络的输入数据,建立信息系统风险评估模型,完成信息系统风险评估。/n

【技术特征摘要】
1.基于大数据分析的风险评估方法,其特征在于,所述方法包括以下步骤:
S1、构建信息系统风险评估指标体系;
S2、采用因子分析法,获取所述信息系统风险评估体系中的公共指标;
S3、采用改进的GW0算法优化BP神经网络,构建GW0-BP神经网络;
S4、将所述公共指标作为所述GW0-BP神经网络的输入数据,建立信息系统风险评估模型,完成信息系统风险评估。


2.根据权利要求1所述基于大数据分析的风险评估方法,其特征在于,步骤S1中,所述信息系统风险评估体系的原始信息系统风险评估指标包括p个,所述原始信息系统风险评估指标Fi通过m(m<p)个公共指标Si和一个特殊指标εi经线性加权方式表达,表达式为:
Fi=ωi1S1+ωi2S2+…+ωimSm+εi,i=1,2,...,n
其中ωim,n分别表示指标i在公共指标m上的系数。


3.根据权利要求2所述基于大数据分析的风险评估方法,其特征在于,步骤S2中,所述采用因子分析法包括以下流程:
S201、对输入数据fij展开标准化处理,得到相关系数评判矩阵:
W=(ωij)p*p
其中表示相关系数;分别表示输入数据第i行、第j行的数据均值;
S202、利用KMO度量值展开各变量的相关性分析并建立因子变量,遵循|ηI-W|=0原则,计算累积方差贡献率:



其中ηi为相关性的矩阵特征值;
S203、选取累积方差贡献率范围的86%~91%中排名靠前的m个指标获取主要风险评估指标,其荷载矩阵Z的表达式为:
Z=li(zi)m*p,i=1,2,…,p
其中li表示第i个指标与原变量间的系数。
S204、获取原始变量的线性组合,变化处理指标变量,公式为:
Si=li1F1+li2F2+…+lipFp,i=1,2,…,m。


4.根据权利要求3所述基于大数据分析的风险评估方法,其特征在于,步骤S3中,所述改进的GWO算法对适应度差的算法施以罚函数。


5.根据权利要求4所述基于大数据分析的风险评估方法,其特征在于,所述改进的GWO算法对适应度差的算法施以罚函数时,包括以下步骤:<...

【专利技术属性】
技术研发人员:丘惠军孙强强陈昊连耿雄许爱东陈霖匡晓云杨祎巍
申请(专利权)人:深圳供电局有限公司南方电网科学研究院有限责任公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1