27、信息安全与物联网僵尸网络检测研究

信息安全与物联网僵尸网络检测研究

信息安全行为的情境因素影响

在信息安全行为研究中,外部情境因素与信息安全行为的关联十分重要。尽管计划行为理论(TPB)常被用于信息安全行为研究,但它仅考虑个体认知,无法深入洞察群体行为。

为解决这一局限,研究设定了以下目标:
1. 目标二 :行为阈值分析被认为是评估信息安全群体行为的合适方法,且在概念上与TPB兼容。该方法还能隐性考虑外部情境因素对信息安全群体行为的影响。
2. 目标三 :进行了两组群体行为实验,应用行为阈值分析并比较两组的不同行为。结果发现,与大学宿舍环境相比,工业环境中的信息安全群体行为始终更好。通过讨论强调了最终影响这两组信息安全行为的外部情境因素的差异,这表明在解决组织中的信息安全行为问题时,考虑情境环境至关重要。

研究仅探讨了外部情境因素对信息安全行为的影响,因为基于TPB的其他安全研究已隐性涉及内部因素。未来研究可探索这些因素在群体行为中的适用性,特别是情境因素如何影响个体阈值以及个体追随他人行为的易感性。

以下是不同信息安全重点领域的行为阈值分析图:
| 重点领域 | 行为 |
| ---- | ---- |
| 电子邮件使用 | 打开未经请求的电子邮件附件的受访者百分比 |
| 密码管理 | 共享密码的受访者百分比 |
| 事件报告 | 不报告安全事件的受访者百分比 |

这些图展示了工业和学生群体在不同信息安全行为上的累积阈值对比,有助于直观了解不同环境下的信息安全行为差异。

物联网僵尸网络检测的挑战与解决方案
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值