基于人工智能技术的舰船网络安全信息风险评价研究

由于船舶网络结构层之间的差异性,导致不同结构层空间中的信息安全级别对应的风险系数各有不同。传统的网络信息风险评价方法只是根据网络全局系数,对网络信息进行相对性的安全风险评价。在评价准确性与代表性方面存在一定量的误差,降低了评价数据的可应用性。为了减小评价误差,提升评价数据的准确性,提出人工智能技术的舰船网络安全信息风险评价研究。利用人工智能技术,按照网络信息级别,对网络进行结构层划分,并建立模型;通过卷积神经网络算法,完成对不同结构层信息风险的MQ评价模型建立;根据模型输出数据,通过信息风险分布概率,完成网络结构层信息的全局风险评价;通过与传统方法评价结果的对比,提出评价方法能够有效降低评价数据误差,并将评价数据准确率控制在97.4%以上。