Page 32 - 网络电信2022年5月刊

光 通 信

步骤5:利用马尔科夫预测方法确定光通信数据安全状态 , 三、实验分析
按照光通信数据安全风险评估等级,将光通信数据安全状态划分 1. 风险评估有效性分析
成5种状态,分别是状态a,[0,1];状态b,[1,2];状态c,[2,3];状 以某省通信公司为实验对象，利用本模型对该通信公司的
态d,[3,4];状态e,[4,5]。 光通信数据安全实施风险评估，诚邀１０位光通信数据安全风
步骤6:计算初始概率;假设时间序列的取值区域是X,将X 划 险评估方面的专家对光通信数据安全风险评估各项指标实施打
分成n 个集合,分别是V 1 V 2 … V n 。针对一个观测获取的时间序 分；评估指标依据风险程度分成很低、低、中等、高与很高５
列x 1 x 2 … x n ,因为x n 属于最后一个时刻观测值,且不知道n时刻 个风险等级，并为其赋值分别是１分、２分、３分、４分与５
后的转移状态,即不知道V n 的取值是多少,因此可不考虑x n 。假设 分，光通信数据安全风险评估指标的风险程度处于两者间的对
序列的前n-1 个观测数据内存在M i 个光通信数据在状态V i 内,有 应评分分别是０.５、１.５、２.５、３.５、４.５。选取１０
ΣM i =n-1。状态V i 发生的概率是F i = ,设置P i =F i 当作光通信数 位专家评分的平均值与本模型的评估结果实施对比，验证本模
据安全状态V i 发生的初始概率。 型风险评估的准确性，专家评分结果如表１所示，本模型对光
步骤7:假设观测的时间序列{x t ,t∈T}内存在 M i 个光通信数 通信数据安全实施风险评估的测试结果如表２所示。
据落于状态V i 内,其中存在M ij 个光通信数据在其下一时刻转移到
表１ 专家打分结果
状态V j 。设置P ij =F ij = ,当作光通信数据从状态Vi 下一时刻转
移到状态V j 的一步转移概率,以此获取光通信数据的一步转移概
率矩阵P。
步骤8:通过一步转移概率矩阵P 预测光通信数据安全风险
发生的影响值 [17] ;若时间序列观测值x t 落入状态时, 同时P的第i 行元
素是p ij = max{p i1 p i2 … p ir } ,那么能够预测x t+1 会转移到状态E j 。
2) 基于贝叶斯与D-S 证据理论的风险发生概率
基于区块链的光通信数据安全风险发生概率的计算步骤如下:
步骤1:按照数据层内的光通信历史数据与专家知识构建贝
叶斯网络结构。
步骤2:实施参数学习,按照参数学习结果实施概率推理获取
后验概率 [18] ;假设光通信数据安全时间D的样本空间S,H 是D 的
基本事件,基本事件L 1 ,L 2 ,…,L n 彼此不相容,L 1 ∪L 2 ∪…∪L n =
S,1≥P(H)≥0,1≥P(L i )≥0,(i=1,2,…,n) ,那么通过乘法法则
和条件概率公式获取Bayes公式如下:

（５）

式中,光通信数据安全事件Li 发生的先验概率是P(L i ) ;光
表２ 本文模型的测试结果
通信数据安全事件H发生的条件下光通信数据安全事件L i 发生的
后验概率是P(L i | H) 。
步骤3:通过D-S证据理论将不同的后验概率实施数据融合获
取最终概率 [19] ;假设BEL1与BEL2属于相同辨识框架上的信任函
数,则存在可信任分配函数m 1 、m 2 与核{H 1 H 2 … H n }、{L 1 L 2 …L n } , 设
m 1 (H i ) m 2 (L j )<1,基于可信任分配函数m的区间是[0,1],
针对全部基本信任分配的非空集H,有如下公式:

（６）

（７）

式中,系数 为归一化因子,K表示证据冲突的程度,其作用
是在合成过程中避免将非0的信任赋给空集。
不同专家与不同的光通信样本数据计算出不同的光通信数
据安全风险发生概率,将光通信数据安全风险发生概率设置成信
任分配函数m(a),不发生的概率设置成m(b),利用公式(7)获取系
数K,代入公式(6)获取最终的概率发生的信任值,获取最终的光
通信数据安全风险发生概率。
步骤4:计算光通信数据安全风险值,公式如下:
风险值＝风险发生的概率*风险发生后的影响值 （８）

48 网络电信 二零二二年五，六月