课题基金 / 基金详情

基于概率组合方法的网络安全系统性风险评估:拓扑、异质与相依

批准号:
72071110
项目类别:
面上项目
资助金额:
48.0 万元
负责人:
达高峰
依托单位:
学科分类:
工业工程与质量管理
结题年份:
2024
批准年份:
2020
项目状态:
已结题
项目参与者:
达高峰

项目摘要

结项摘要

达高峰的其他基金

相似基金

相关文献

中文摘要
网络安全系统性风险评估在网络安全风险管理中扮演着关键角色。本项目拟开展一般确定性拓扑结构下系统性风险评估的研究,并聚焦于已有相关研究中忽略的两个关键因素:节点类型异质和节点风险相关性。为此,我们提出了一个概率组合化风险传播模型:多类型k-跳模型。在该模型下,主要研究网络节点集群(同类型节点集合)风险精确评估、节点集群风险相依性评估(定性和定量)、大规模网络节点集群风险近似评估(如确定性网络拓扑结构下边渗流阈值解析和模块网络风险近似)以及上述模型和理论在故障传播系统可靠性与网络安全保险定价问题中的应用。以期通过上述研究,进一步完善网络安全系统性风险评估理论和方法并形成新的研究点。
英文摘要
Systematic risk assessment of cybersecurity plays a key role in cybersecurity risk management. This project intends to carry out a systematic risk assessment study under a general determinate topology and focus on two key factors that have been ignored in related existing research: heterogeneity of node types and dependence of node risks. To this end, we propose a probabilistic combination model: a multi-type k-hop risk propagation model. Under this model, we study the precise assessments of joint risks of node clusters (sets of different types of nodes) and both the qualitative and quantitative dependence of risks among clusters and the approximate assessment of large-scale networks. The applications of our model and theory in the reliability of fault propagation system and the pricing of cyber security insurance are investigated as well. It is hoped that through the above studies, the theory and methods of systematic risk assessment could be further improved and new research topics could be formed.
网络安全系统性风险评估是网络安全风险管理的核心环节。本项目针对现有研究中被忽视的两个关键因素——节点类型异质性和节点风险相依性,以概率化组合分析为基本方法,系统开展了网络安全系统性风险评估的理论与应用研究,进一步完善了系统性风险评估理论体系并开辟了新的研究方向。主要研究内容及成果如下:1)构建了考虑节点类型异质性和传播深度的L-hop风险传播模型,提出了任意传播深度下不同集群感染规模的联合概率函数,解决了motif模型下最大渗流团规模分布及星型混合拓扑网络感染规模分布的计算问题;2)针对大型网络,建立集群感染规模期望、方差、协方差及相关分布的界,并开发了高效的蒙特卡洛仿真算法,为大规模网络安全评估提供了实用工具;3)揭示了L-hop风险传播模型下网络节点感染状态的正相协性质,明确了网络安全风险相依性强度边界,为风险传播的统计建模奠定了理论基础;4)获得了星-环和星-总线拓扑结构下节点感染规模的前二阶矩,构建了网络动态损失评估框架,实现了网络平均损失和损失方差的精确计算,显著拓展了基础拓扑结构的相关研究;5)基于概率组合方法和寿命方法,构建了随机依赖机制下具有隔离效应及竞争失效机制的WSN可靠性模型,提出了可靠性精确求解方法,修正了现有研究的不足并提供了新的方法论支持;6)创新性地提出了全端网络签名的深度学习(DNN)计算框架,以及基于签名的全端可靠性两阶段深度学习方法,为网络可靠性分析提供了新的技术路径。研究成果在理论和方法上均取得了重要突破,为网络安全系统性风险评估提供了新的理论支撑和实践指导。
基于Signature的相依系统可靠性与安全分析
  • 批准号:
    71671177
  • 项目类别:
    面上项目
  • 资助金额:
    49.3万元
  • 批准年份:
    2016
  • 负责人:
    达高峰
  • 依托单位:
国内基金
海外基金