基于博弈论的综合赋权法的信息安全风险评估

J4 ›› 2011, Vol. 33 ›› Issue (5): 9-13.

基于博弈论的综合赋权法的信息安全风险评估

吴叶科1,宋如顺1,陈波2

(1.南京师范大学数学科学学院，江苏南京 210046；
2.南京师范大学计算机科学与技术学院，江苏南京 210046)

收稿日期:2010-06-25 修回日期:2010-10-09 出版日期:2011-05-25 发布日期:2011-05-25
作者简介:吴叶科(1985),男,江苏盐城人，硕士，研究方向为信息网络安全控制和风险评估。宋如顺(1953),男，江苏南京人，教授，研究方向为信息网络安全保密技术和教育技术软件。
基金资助:
江苏省自然科学基金资助项目(2003101SBRB231)；国家“211工程”建设项目(181070H901)

A Comprehensive Weight Method Based on the Game Theory for Information Security Risk Assessment

WU Yeke1,SONG Rushun1,CHEN Bo2

(1.School of Mathematics Sciences,Nanjing Normal University,Nanjing 210046;
2.School of Computer Science and Technology,Nanjing Normal University,Nanjing 210046,China)

Received:2010-06-25 Revised:2010-10-09 Online:2011-05-25 Published:2011-05-25

摘要/Abstract

摘要：

为了合理确定风险评估中风险因素的权重，对信息安全风险进行科学的评价，在确定风险因素权重时，本文应用基于博弈论的综合赋权法将主、客观权重集成为风险因素的综合权重。并利用该方法对信息系统进行了实例分析,说明了该方法所得的评估结果科学合理，为信息系统风险评估提供了一个新的思路。

关键词: 熵, G1法, 博弈论, 综合赋权, 信息安全风险评估

Abstract:

In order to determine the weights of risk factors reasonably in information security risk assessment and scientifically evaluate information security risk, the weights of risk factors are calculated by a comprehensive weight method based on the game theory. Finally, an instance of risk assessment is given to show the rationality and feasibility of the results by analyzing an information system. It provides a new method for information system risk assessment.

Key words: entropy；G1 method；game theory；comprehensive weight；information security risk assessment

吴叶科1,宋如顺1,陈波2. 基于博弈论的综合赋权法的信息安全风险评估[J]. J4, 2011, 33(5): 9-13.

WU Yeke1,SONG Rushun1,CHEN Bo2. A Comprehensive Weight Method Based on the Game Theory for Information Security Risk Assessment[J]. J4, 2011, 33(5): 9-13.

[1]	王磊, 柳然然. 基于新图模糊距离的EDAS决策方法及其应用[J]. 计算机工程与科学, 2024, 46(06): 1101-1111.
[2]	王晓琦, 赵宣植, 刘增力, . 基于多尺度小波和Tsallis熵的水下图像边缘检测[J]. 计算机工程与科学, 2023, 45(07): 1245-1252.
[3]	闫少辉, 施万林, 宋震龙, 王尔童, 孙溪, 黄羿博, . 一个新三维混沌电路设计及其同步控制[J]. 计算机工程与科学, 2022, 44(08): 1409-1417.
[4]	苟平章, 原晨, 张芬. 基于软件定义的WSNs非均匀分簇QoS路由算法[J]. 计算机工程与科学, 2022, 44(02): 227-236.
[5]	李叔敖, 解庆, 马艳春, 刘永坚. 基于路径聚合扩张卷积的图像语义分割方法[J]. 计算机工程与科学, 2021, 43(04): 712-720.
[6]	靳旭文, 李国东. 基于Strcmp分解超Lorenz混沌的图像加密算法[J]. 计算机工程与科学, 2021, 43(03): 456-464.
[7]	罗凡波, 王平, 徐桂菲, 雷勇军, 范烊. 基于多尺度卷积神经网络的人群聚集异常预测[J]. 计算机工程与科学, 2020, 42(12): 2223-2232.
[8]	韩虎, 孙天岳, 赵启涛. 引入自编码机制对抗网络的文本生成模型[J]. 计算机工程与科学, 2020, 42(09): 1704-1710.
[9]	沈晓燕, 王雪梅, 王燕. 基于样本熵和模式识别的脑电信号识别算法研究[J]. 计算机工程与科学, 2020, 42(08): 1482-1488.
[10]	潘曙灿, 许青林. 融合特征向量中心性与标签熵的标签传播算法[J]. 计算机工程与科学, 2020, 42(08): 1489-1499.
[11]	梅凤娇，李永明. 参数化犹豫模糊熵及其应用[J]. 计算机工程与科学, 2019, 41(12): 2202-2210.
[12]	夏吾吉1,2，华却才让1. 基于投射的藏语语义依存分析研究[J]. 计算机工程与科学, 2019, 41(10): 1868-1873.
[13]	肖雪,薛善良. 基于改进的OPTICS聚类和LOPW的离群数据检测算法[J]. 计算机工程与科学, 2019, 41(05): 885-892.
[14]	佘志用,段超，张雷. 变精度最小平方粗糙熵的图像分割算法[J]. 计算机工程与科学, 2019, 41(04): 657-664.
[15]	熊炜1,2，冯川1，熊子婕1，王娟1,2，刘敏1,2，曾春艳1,2. 基于CNN的改进行人重识别技术[J]. 计算机工程与科学, 2019, 41(04): 665-672.