基于最大可达概率的虚假信息溯源问题研究

随着互联网的持续普及,虚假信息传播的速度和趋势在增加,广泛的传播将会不断影响并损害国家、社会及个人的利益,负面影响会变得难以控制.因此,本文基于最大可达概率研究了在社交网络中的三阶段虚假信息溯源问题,对于无向且连通的感染图G(V,E,p)而言,给出了最大可达概率的定义,从而进一步得到网络中每个节点的接近可达概率和最长可达路径值.除此之外,本文基于IC模型获取源候选节点集(IC-OCNS),再基于最大可达概率对网络中源候选节点集进一步筛选,提出三阶段可达概率算法(TSRA)来更好地解决社交网络中虚假信息的溯源问题.最后,在实验阶段,本文在现实世界的三个社交网络数据集中进行实验比较,验证算法的可行性和误差率,该研究可以为网络安全中虚假信息的控制和应对提供管理和决策支持.

基于攻击图的网络安全概率计算方法

针对基于攻击图的概率计算中循环路径导致的攻击图难以理解和概率重复计算问题以及渗透之间的相关性导致的概率错误计算问题,通过将攻击图与通用安全脆弱点评估系统结合,删除攻击图中的不可达路径,简化了攻击图,提出了适用于大规模网络的最大可达概率的概念和计算方法,解决了概率重复计算问题,有效避免了相关性导致的概率错误计算问题,并通过真实实验和模拟实验验证了所提方法的合理性和有效性.与相关的研究成果相比,最大可达概率计算方法可以适应于更复杂的攻击图,具有很好的扩展性.

基于攻击图的网络脆弱性量化评估研究

目前,网络脆弱性量化评估面临的主要挑战之一是识别网络中存在的脆弱性和它们之间的相互关系以及由此产生的潜在威胁,本文提出了一种基于属性攻击图的网络脆弱性量化评估方法。首先对属性攻击图和有效攻击路径进行了形式化定义,在此基础上提出了采用"最大可达概率"指标来度量目标网络中关键属性集合的脆弱性,并设计了最大可达概率计算算法,该算法解决了属性攻击图的含圈路径问题;为解决实际评估中原始数据缺失的问题,提出了"可信度"的概念,它能有效反映缺失数据对评估结果的影响。