小波分析和ARIMA的信息安全态势预测,本论文可用于小波分析论文范文参考下载，小波分析相关论文写作参考研究。
小波分析论文参考文献：
摘 要： 针对信息安全态势变化的复杂性,为了保证信息系统的正常工作,提出小波分析和移动平均回归模型（ARIMA）的信息安全态势预测模型.首先对当前信息系统的安全状态进行分析,并采用小波分析对信息系统的原始状态信号进行变换,得到信号的低频分量和高频分量,然后分别采用ARIMA的低频分量和高频分量进行预测,并通过逆变换得到信息系统的安全状态预测值,最后采用VC++编程实现信息系统的安全态势预测实验.实验结果表明,该模型获得了较高精度的信息安全态势预测结果,预测结果具有重要价值.
关键词： 信息系统； 安全态势； 预测模型； 小波分析
中图分类号： TN915.08?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）13?0091?03
Abstract： For the complexity of the information security situation variation, in order to guarantee the normal work of the information system, an information security situation prediction model based on welet analysis and ARIMA is proposed. The security status of the current information system is analyzed. The welet analysis is used to tranorm the original status signal of the information system to get the low?frequency component and high?frequency component of the signal. The ARIMA is used to predict the low?frequency component and high?frequency component respectively. The security status predicted value of the information system is obtained by means of inverse tranormation. The VC++ programming is adopted to realize the security situation prediction experiment of the information system. The experimental results show that the proposed model can obtain the high?precision prediction result of information security situation, and the prediction result has important value.
Keywords： information system； security situation； prediction model； welet analysis
0 引 言
随着计算机的不断普及,各种企业、单位和部门均建立了相应的信息管理系统,从此信息安全问题随之而来,尤其是近几年,网络入侵、病毒的不断增加,安全问题给企业和部门带来了不同程度的损失.安全态势预测可以帮助人们提前了解信息系统将来的安全状态,帮助管理员提前制定防范措施,因此信息安全态势预测引起了大家的高度重视[1?2].
为了保证信息系统的正常、安全运行,人们对信息系统的安全性进行了多方面的分析和研究,有学者从系统脆弱性方面对系统安全性进行分析,有学者从数据安全性对信息系统安全态势进行建模和预测,均获得了不错的效果[3].这些技术只是从一个角度分析信息系统的安全性,不能全面、准确描述信息系统的变化状态,导致有时预测结果与实验结果相差很远,预测结果的可信度低[4].为了克服它们的局限性和不足,有学者引入了回归分析、模糊理论、神经网络等现代先进理论对信息系统安全态势进行预测[5?7],信息系统安全态势预测结果较好.在实际应用中,这些方法有一些不足,如回归分析法的信息系统安全态势预测结果与参数确定密切相关,一旦参数确定不好,信息系统安全态势预测精度低；模糊理论对信息系统安全态势数据进行模糊化处理,建模过程复杂,难以实现,需要专业人员才能操作[8]；神经网络虽然可以对信息系统安全态势的非线性变化特点进行预测,但要求样本数量多,而对一个具体信息系统,其历史数据数量相当有限,难以满足神经网络的建模条件,预测结果时高时低,建立的信息系统安全态势预测模型稳定性差[9?11].
针对信息安全态势变化的复杂性,为了保证信息系统的正常工作,提出小波分析和移动平均回归模型（ARIMA）的信息安全态势预测模型,采用VC++编程实现信息系统的安全态势预测实验,结果表明,本文模型获得了较高精度的信息安全态势预测结果,可以帮助人们了解信息系统的安全性.
1 小波分析和ARIMA
1.1 小波分析
小波分析是一种频域信号分析方法,可以对原始信息逐渐精细分解,得到不同频率的分量,相对于原始信号,分解后的信号更加简单,平稳性更好,更加有利于后继信息系统安全态势预测的建模.设信息系统的安全态势原始数据为采用Mallat算法进行不同尺度分解,可以得到不同层的信号为：
式中：表示第一层信号,依次类推,表示第层信号.
可以通过小波逆变换对各层信号进行重构,得到：
结论：关于本文可作为相关专业小波分析论文写作研究的大学硕士与本科毕业论文小波分析论文开题报告范文和职称论文参考文献资料。
英国资产价格和产出关系基于小波分析法
本文主要使用了小波分析方法来研究英国资产市场与宏观经济的关系。分别选取房价和股价作为资产价格，工业生产指数作为宏观产出指标，时间维度是从1991。
关于云会计背景下会计信息安全问题分析
本文首先分析了云会计背景下的会计信息特点，并对支会计背景下的会计信息安全问题进行全面阐述，最后提出了相应的解决措施，会计信息的安全性对于企业发展。
医院信息安全等级保护建设为信息化保驾护航
摘要：随着医疗行业的信息化发展水平的逐步发展，信息系统的安全风险越明显，本文就天津市医院核心业务信息系统等级保护建设工作的管理体系建设提供一些基。
互联网金融模式下的信息安全风险防范
摘 要：在互联网全面普及背景下，“互联网+金融”模式已经成为金融行业发展趋势，且该种模式当前在我国发展速度明显得到了提升，但是该种方式在一定程度。