基于計算機技術的無線通信網絡安全風險預測研究

梁振宇

摘 要：隨著我國科技水平的不斷發展進步，計算機技術及無線通信技術已經融入日常生活中，極大地提高了人們的生活質量與生產工作效率。在此背景下，人們對無線通信以及計算機系統中的網絡安全問題愈發重視。基于此，本研究為探究最小二乘支持向量機算法下的無線通信網絡安全風險評估預測模型的精確性，通過對該模式與傳統模式下的無線通信網絡安全風險評估預測模型進行對比分析，以此對本研究提出的無線通信網絡安全風險預測模型的實際使用效果進行分析。試驗結果表明，該風險問題預測評估模型具有良好的精確性與實用性，為無線通信技術安全風險研究人員提供一定的參考依據。

關鍵詞：風險預測;網絡安全;無線通信;計算機技術

中圖分類號：TN915.08 ? ? 文獻標志碼：A ? ? 文章編號：1003-5168（2022）10-0016-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.10.003

Research on Security Risk Prediction of Wireless Communication

Network Based on Computer Technology

LIANG Zhenyu

（Baise Senior Middle School，Baise 533000，China）

Abstract：With the continuous development and progress of social science and technology in China，computer technology and wireless communication technology have been deeply integrated with daily life，which has greatly improved people's quality of life and production efficiency.In this context，people pay more and more attention to wireless communication and network security of computer system. Based on this，this study in order to explore the accuracy of the wireless communication network security risk assessment and prediction model under the least squares support vector machine algorithm，this study demonstrates and analyzes through international cases，compares it with the traditional wireless communication network security risk assessment and prediction model，and summarizes the actual application effect of the wireless communication network security risk prediction model proposed in this study.The experimental results show that the risk prediction and evaluation model has good accuracy and practicability，which hopes to provide some reference for researchers of security risk of wireless communication technology.

Keywords：risk prediction;network security;wireless communication;computer technology

0 引言

社會科技與經濟水平的快速發展促使人們對互聯網環境的安全提出了更高的要求。通信網絡作為城市虛擬化建設的重要組成部分，與人們的生活和工作息息相關，如何構建科學高效的無線通信網絡安全評價模型已成為重點研究內容。隨著信息化的發展，我國已步入5G通信時代，網絡系統結構等方面發生較大變化，通信網絡安全問題不僅會對用戶體驗產生影響，還會對地區網絡安全造成威脅，從而影響地區經濟。

1 無線通信網絡結構與安全風險概述

現階段，無線通信網絡可分為固定網絡與移動網絡兩種。其中，固定網絡是指固定有線的電話網絡，包括寬帶網絡和電話網絡;移動網絡是指互聯網與移動通信結合的通信網絡技術。隨著我國進入5G通信時代，移動網絡在社會發展中占據的地位也越來越重要。從本質上講，移動網絡是通過保障無線通信網絡暢通來提供更高質量的網絡服務，從而實現超遠距離的通信傳輸，其存在著一定的有線傳輸，包括光纜傳輸與電纜傳輸。從結構上來看，無線通信網絡包括核心網和接入網。核心網將用戶的請求數據傳遞到不同網絡系統中，承擔著管理員的責任。核心網包含移動網、傳輸網、數據網、承載網、交換網等。交換網由電路域、EPC及分組域等結構組成，各結構之間相互協調配合，從而實現對不同用戶數據連接、綜合管理及業務承載等功能[1]。接入網是相對核心網而言，通過網絡用戶與交換機之間進行有效的通信溝通，從而實現數據資源的交互。接入網是確保用戶能夠將自身請求信息發送到核心網的重要保障，其作用相當于服務大廳，用戶請求的信息只有進入服務大廳后才能進入下一步程序。從理論角度來講，通過核心網與接入網即可實現無線通信網絡的應用，但是從實際角度來說，要想實現信息數據的有效傳輸，還要有承載網、傳輸網等網絡系統的輔助。承載網介于交換機與接入網之間，主要負責對語音等數據業務進行傳輸。傳輸網主要對不同地區的信息進行有效傳輸和連接，是實現遠距離信號數據傳輸的重要保障。

對無線通信網絡風險進行分析預測，能夠使人們深入理解和認知風險，同時能幫助人們判斷風險問題是否得到有效的解決，依據分析預測結果制定更為科學合理的保障措施。對無線通信網絡進行分析可以從以下兩方面進行。

①通信網絡系統風險分析。復雜的無線網絡系統及多元化的網絡服務需求導致無線通信網絡產生“潮汐效應”。人流量過于密集的區域，由于該區域的無線網絡容量有限，在高峰階段網絡質量與傳輸效率等受到干擾，導致用戶體驗感較差。現階段，無線通信網絡由光傳輸系統、電源系統及基站系統等構成[2]。其中，電源系統是確保整個無線通信網絡能夠正常運行的基礎，所以要確保通信電源的穩定性、安全性及可靠性[3]。

②無線通信網絡安全風險分析。與有線網絡相比，無線通信網絡具有更加包容與開放的網絡信號，能為用戶提供更加方便的通信服務，但也增加了潛在風險，如信息監聽、數據泄露等。無線信號竊聽是無線通信網絡中常見的安全風險問題，即用戶基礎身份信息、數據信息、無線信息等被第三方竊取得到;假冒攻擊是盜用者將用戶的身份信息進行攔截后，冒用其身份進行其他操作;信息數據篡改是攻擊者通過一系列的手段進入到用戶無線通信網絡中，并對其相關信息數據進行隨意修改。

2 無線通信網絡安全風險等級

在對無線通信網絡安全風險問題進行評估預測時，需要了解現階段無線網絡中的基礎情況，如無線通信網絡中的后門數量、安全漏洞數量及系統被攻擊次數等。可利用最小二乘算法進行分析，以此收集整合安全指標數據。無線通信網絡安全等級可劃分為很高a、高b、中等偏上c、中d、中等偏下e、低f、很低g，依據相關數據計算分析結果及相關指標規定進行評估預測[4]。在對無線通信網絡安全風險問題進行預測時，依據一定比例采用隨機選擇法進行樣本集選擇，構建無線通信網絡安全風險評估預測模型，在試驗測試中對樣本數據進行數據分析，剩余數據則作為對比測試樣本，以此對模型的可行性與實用性進行科學驗證。

3 無線通信網絡潛在安全風險分析

最小二乘支持向量機算法是一種用于數據分析的方法。在樣本集數據中，用Xa代表第a個樣本的輸出向量值，用Ya代表該樣本的期望輸出值，用N代表樣本總數量，以此為基礎構建算法公式，見式（1）。

[F（X）=ωTφ（X）+b]? ? ? ? ?（1）

式中：[φ（X）]為該計算公式的變換函數;b為該函數的閾值;ω為超平面的權值向量。為了確保能夠有效應對結構風險問題，將風險影響降至最低，可以將式（1）進行等效轉化，見式（2）。

[minJ（ω，ξ）=1/2ωTgω+1/2γi=1Nξ2tYi=ωTgφ（Xi）+b+ξi，i=1，2，...，N]? （2）

式中：ζ為松弛變量;γ為正則化參數。通過式（2）能夠求得對應的等式約束及具體約束條件，利用拉格朗日算子α能夠創建出拉格朗日方程式。通過對拉格朗日方程式進行分析發現，如果想要確保函數能夠求得最小值，則需要對b、ω及ζ等參數進行偏導數計算，同時將偏導數的實際數值控制為0。可利用構建核函數K（X，Xk）的方法構建出最小二乘算法的決策函數公式，見式（3）。

[F（X）=i=1mαk×K（X，Xk）+b]? ? （3）

式中：m為該函數支持向量的具體數量。通過對最小二乘算法的決策函數公式進行計算，進而求得最小二乘算法。

4 無線通信網絡安全風險預測模型

通過問卷調查法收集整合安全風險評價預測初始數據信息，問卷調查對象是無線通信網絡安全工作人員，以此能夠快速收集到部分不容易發生變化的影響因子信息數據[5]。共發放N份行業調查問卷，在考慮影響因子的情況下，選擇7種安全風險等級，且將每一項等級的具體問卷數量假設為Na、Nb、Nc、Nd、Ne、Nf、Ng，此時風險數值計算公式見式（4）。

Dc=（Na/N）×a+（Nb/N）×b+（Nc/N）×c+（Nd/N）×d+（Ne/N）×e+（Nf/N）×f+（Ng/N）×g? ? ? （4）

式中：Dc代表風險數值。在此基礎上，對權威嚴謹的分析結果數據、歷史信息數據及專業專家提出的經驗等內容進行整合分析，對調查問卷方法中的不足之處進行強化調整。本研究的無線通信網絡安全風險問題共有5位專業學者進行評估分析，Ca～Cg為第一到第七項聚類指標影響因子，評估分析結果如表1所示。

可用Ba（Ca，Cb，Cd）表示聚類指標，該聚類指標各項子因素的權重為WBa=[0.142，0.572，0.287]T，即依據不同專業學者的聚類指標Ba來確定不同風險評估分數，同時將其以數據信息評價矩陣D的形式表現出來，見式（5）。

D=（dij）n×m，i=1，2，3，...，n;j=1，2，3，...，m （5）

式中：dij代表第i項因子的風險數值。

構建最小二乘支持向量機的無線通信網絡安全風險評估預測模型流程如下。①采集信息數據，將其整合為訓練樣本集。②將訓練樣本集輸入到最小二乘支持向量機中進行參數運算。③判斷其參數是否處于最優狀態，如果是，則將其輸入無線通信網絡安全風險評估預測模型中進行詳細計算;如果不是，則采用粒子群優化算法對其進行運算，在優化后再次輸入最小二乘支持向量機中進行判斷。④將測試用樣本集數據輸入無線通信網絡安全風險評估預測模型中進行運算。⑤將兩種預測結果進行對比分析，以此判斷哪種風險預測模型的實際應用效果更加良好。

5 無線通信網絡安全風險預測

為進一步加強最小二乘算法中的收斂效率，促使系統能夠深化自主學習效率，可以對安全風險等級參數指標進行歸一化處理，見式（6）。

Y=（Y-Ymin）/（Ymax-Ymin）? ? ?（6）

式中：Y為安全風險等級參數;Ymin為無線通信網絡中最小值的安全風險等級指數;Ymax為無線通信網絡中最大值的安全風險等級指數。此處主要應用粒子群優化處理算法對正則化參數γ及核參數σ進行優化，以此確定最小二乘算法中的支持向量機參數[6]。通過對現階段無線通信網絡中潛在的安全風險問題進行預測評估，可以對發現的潛在問題進行有效改進，以此實現提前規避相關風險問題。

6 試驗論證與總結分析

6.1 試驗論證

為了驗證本研究提出的無線通信網絡安全風險問題評估預測方法的可行性與實用性，通過與傳統向量機的無線通信網絡安全風險評估預測方法進行對比。無線通信網絡的樣本見圖1。

為確保本次對比試驗的精確性，盡可能降低試驗數據的誤差，本次試驗共進行5次模擬仿真試驗。每次模擬試驗是在容量為200的基礎數據庫中隨機選擇50個數據作為訓練樣本數據，使用支持向量機、神經網絡系統及最小二乘向量機等進行對比試驗，同時將每次試驗結果數據進行有效統計。試驗結果如表2所示。

6.2 試驗結果分析

對上述試驗結果數據進行分析能夠發現，傳統無線通信網絡安全風險評估預測的精確度相對較低，且整體穩定性相對較差。傳統方法是以經驗安全風險最小化的基礎原則進行模型構建的，該方法構建的預測評估模型的整體穩定性較差，導致在實際應用中無法快速有效地獲取理想狀態下的風險預測評估結果。

本研究提出的新型無線通信網絡安全風險評估預測法與傳統方法相比，評估預測的綜合精確度更高。主要是因為該模型應用了最小二乘支持向量機算法，能夠實現對無線通信網絡的安全風險問題評估預測方法精確度進一步加強，其構建原則為結構風險最小化原則，能夠對網絡中安全風險問題進行有效描述，以此降低風險預測評估的誤差值[7]。同時，最小二乘支持向量機的整體預測評估精確度要明顯高于傳統的支持向量機，這是由于最小二乘支持向量機具有更加良好的應用效果，彌補了傳統支持向量機的不足與缺陷，具有更加優秀的建模效果。

本研究對無線通信網絡安全風險問題的訓練時間并未進行具體詳細的試驗測試，因此對兩種評估預測方法具體預測效率的差異性不能進行有效評估。本次試驗測試結果僅供參考，深入研究分析還有著較大的空間。

7 結語

目前，無線通信網絡已融入人們的日常生活與工作中，極大地改變了人們的生活方式。然而，無線通信網絡也為部分非法分子提供了可乘之機，其利用各種非法手段對無線通信網絡進行攻擊，從而竊取用戶的重要數據信息。因此，現階段的無線通信網絡在創新發展過程中必須重視安全問題。本研究針對現有的無線通信網絡安全風險問題預測評估模型中存在的精確度不高等問題進行分析，提出了基于計算機技術的無線通信網絡安全風險問題預測評估模型，并通過試驗測試證明了該模型的實際應用效果，以此希望能為行業人士研究提供一定幫助。

參考文獻：

[1] 楊屹.大數據背景下計算機信息技術在網絡安全中的運用探析[J].信息記錄材料，2021（9）：47-48.

[2] 張勇，沈磊.煙草企業計算機網絡安全的風險識別及應對策略[J].網絡安全技術與應用，2021（7）：133-135.

[3] 程艷艷.基于計算機技術的無線通信網絡安全風險預測研究[J].信息通信，2020（8）：67-68.

[4] 梅映天.基于信息挖掘技術的網絡信息安全風險預測分析[J].信息記錄材料，2020（8）：41-43.

[5] 張春萌.網絡安全風險可視化系統的研究與實現[D].青島：山東科技大學，2020.

[6] 莊海燕.大數據分析技術的無線通信網絡安全風險預測[J].微電子學與計算機，2019（8）：97-100.

[7] 李鑫.一種基于預測模型的網絡安全風險實時預測方法設計[J].重慶理工大學學報（自然科學），2019（2）：132-137.