基于计算机技术的无线通信网络安全风险预测研究

基于计算机技术的无线通信网络安全风险预测研究

张涛 

山东技师学院  250200

摘要：随着无线通讯技术的不断发展，人们对无线通讯的防不胜防。因此，本文对无线通信网络的安全风险进行了分析。在此基础上，对无线通信网络中的危险因子进行了分类。利用最小二乘支持向量机方法，对系统中存在的潜在危险因子进行了分析，建立了系统的安全性分析模型，实现了系统的安全性预测。试验结果显示，该方法的预报准确率较高，是切实可行的。

关键词：通信；计算机技术；无线；风险预测；网络安全

在当今社会，无线网络为人们提供了便利的同时，也成为了不法份子的目标，他们利用无线网络的方式窃取了部分敏感的资料。而随着无线网络通讯技术的迅速发展，针对无线网络的攻击频率也随之提高，使得网络的安全性面临极大的挑战。在此基础上，提出了一种基于网络的安全评估方法。对无线网络的安全状况进行详细的分析，是当前无线网络安全领域的一个主要问题。同时，由于计算机技术的飞速发展，在许多方面都得到了广泛的应用，利用支持向量机的最小二乘分析技术将向量机的约束转化为方程约束，从而大大地提高了求解的速度和精确性。在无线通信网络的安全风险预测中引入最小且乘支持向量机方法，可以有效地提高预测的准确率和速度。但是，传统的基于矢量机的安全风险预测算法在支持方面存在不足，导致模型建立的效率较低，而且缺乏对WSN的安全性风险的预测。

一、WAN的安全性和危险性预测

（一）WLAN的安全风险分级

如果要预测无线通讯网络的安全性，首先要分析报警数量、后门被植入的数量、被攻击的数量以及当前存在的网络安全漏洞数量；利用最小二乘矢量机的计算机技术对上述指标进行了分析，收集这些安全危险指数作为指标的资料。在此基础上，对WSN的安全风险进行了分类。五个安全评价级别，分别是很低G、低F、中下E、中D、中上C、高B、很高A。而评价则来自于相关的统计和分析，并由各级别的专家进行评定。而在WSN的安全风险抽样中，要根据特定的比率选取训练样本库，利用训练样本库对其进行更好的预测，再利用样本量进行检验，以检验该模型的可信度。

（二）对潜在危险因素的电脑技术分析

最小二乘支持向量机是一种利用计算机技术进行分析的方法，将训练样本集中的表示为代表第k个采样的输出矢量，为代表该采样的所需输出，l为训练采样的数目，并且根据该算法所建立的算法，以下列格式给最佳分类函数：

在（1）式中，b是一个函数的门限，(x)表示该公式的转换函数，权值向量，即超平面。为解决结构风险，使（1）式变为以下公式：

在公式（2）中，正则参数被指示，而是一个松弛的变量。由（2）式推导出对应的约束和方程式，并在此基础上引入拉格朗日算子：，并将其转化为拉格朗日方程：

在（3）式中，如果要使它的函数最小，就必须对，b,k进行偏置，并将其偏导数设为0。在求解二次规划问题时，通过构造核函数得到最小二乘支持向量机决策函数：

在（4）式中，m表示该函数的支撑矢量数目，并用求出最小二乘向量机的判定函数来实现。

（三）WLAN的安全性评估与分析模式

首先，采用问卷调查方法，针对不能或不易改变的因素，采用问卷调查方法，为无线通讯网路的实践者提供初步评估资料。通过发放问卷，搜集当前无线通讯网络的安全隐患和漏洞。通过对不同危险因素的分析，我们选取了7种不同的危险水平，将每一类的问卷分为。此时，这个因素的危险值是：

在利用专家进行咨询的情况下，采用公式（5）中的危险值，基于历史资料和权威的分析，结合专家的经验和水平，通过问卷法的分析，可以弥补两者之间的相互补充。通过对无线网络的研究，5名专家对其进行了评价，得出了以下结论：

针对群集指数，由各个专家给出的群集指数B1的各个风险得分来表达，并基于这些指数的计算结果，形成一个量化的评估矩阵。下面是这样的：

通过矩阵与运算，对目前无线网络中的通讯风险状态进行判定。

（四）无线通讯网络中的风险预测

首先，针对支持向量机的安全性风险值进行标准化，以提高其收敛效率，加速其学习速度。

在（7）式中，ymax表示最大的无线通讯网络的安全性危险水平，ymin表示最小的安全危险水平。本文采用了微粒群优化算法，对核参数和规则化参数进行了优化，得到了最小和乘的支持向量机参数。通过预测目前无线通信网络中存在的潜在风险，可以改善和避免潜在的问题。

二、试验证明

为检验所提出的无线通讯网路风险预测方法的有效性，比较了传统的矢量机在无线通讯网络中的应用。在图1中显示了一个无线通讯网络的采样：

图1

为降低系统的错误，我们进行了5次模拟试验，每次从200个数据中随机选取50个样本。试验的结果是：

图2

从图2可以看出，与常规方法相比，本文所提出的无线通信网络的安全性风险预测具有较高的准确率，采用最小二乘支持向量机算法，对无线通信网络的安全性进行了分析。然而，本文没有对无线通讯网络中的安全培训时间进行试验，未能反映出两种方法在预测效果上的差异，试验结果还只是一个参考，还需要更多的研究。

结论：本文主要是针对无线通信系统中的信息系统的安全风险进行分析。首先，利用最小且乘支持向量机进行分析，在此基础上，本文重新设计了无线通信网络的安全风险预测方法。将该方法与传统矢量机的预测结果作了比较，试验表明，该方法具有较好的预报准确率，然而，本研究并没有将这两种方法在无线通讯网络中的安全性进行试验，因此只能体现出二者之间的差异，而无法体现其效能差异，只能作为参考。

参考文献

[1]黄兆军.基于改进的BFS算法的工业控制系统网络安全风险的分析[J].工业技术与职业教育,2020,18(1):26-30.

[2]万佳程.通信网络安全面临的问题及解决对策[J].信息通信,2020,0(2):188-189.

[3]陆百川,李玉莲,舒芹.基于时空相关性和遗传小波神经网络的路网短时交通流预测[J].重庆理工大学学报：自然科学,2020,34(5):25-34.

[4]陈莹,王轶,张宇瑶.试析基于4G通信技术的无线网络安全通信[J].软件,2020,41(5):218-220.

[5]邹蕾,穆泉伶.模式识别技术的无线通信网络安全系统可靠性评价[J].微电子学与计算机,2020,37(6):79-82.

作者简介：张涛，1979年9月，籍贯：山东济南，男，最高学历：本科，职称：高级讲师，职务：教师，研究方向：计算机。