基于多目标规划和证据推理理论的信息安全风险评估

doi:10.11772/j.issn.1001-9081.2025091123

《计算机应用》唯一官方网站 ›› 2026, Vol. 46 ›› Issue (10): 3227-3232.DOI: 10.11772/j.issn.1001-9081.2025091123

• 网络空间安全 • 上一篇

基于多目标规划和证据推理理论的信息安全风险评估

王晶萍¹(), 刘艳婷¹, 龙海明¹, 张英俊²

^1.北京师范大学信息网络中心，北京 100875
^2.北京交通大学计算机科学与技术学院，北京 100044

收稿日期:2025-09-25 修回日期:2025-11-28 接受日期:2025-12-01 发布日期:2025-12-18 出版日期:2026-10-10
通讯作者: 王晶萍
作者简介:刘艳婷（1981—），女，河北邯郸人，工程师，硕士，主要研究方向：信息安全
龙海明（1987—），男，山东滕州人，助理研究员，硕士，主要研究方向：信息安全
张英俊（1980—），男，内蒙古呼和浩特人，副教授，博士，CCF会员，主要研究方向：数据挖掘、决策理论。
基金资助:
国家重点研发计划项目(2022YFB2603302);北京市自然科学基金资助项目(L251029);国家重点实验室项目(2025YJ153)

Information security risk assessment based on multi-objective programming and evidential reasoning theory

Jingping WANG¹(), Yanting LIU¹, Haiming LONG¹, Yingjun ZHANG²

^1.Center of Information and Network Technology，Beijing Normal University，Beijing 100875，China
^2.School of Computer Science and Technology，Beijing Jiaotong University，Beijing 100044，China

Received:2025-09-25 Revised:2025-11-28 Accepted:2025-12-01 Online:2025-12-18 Published:2026-10-10
Contact: Jingping WANG
About author:LIU Yanting， born in 1981， M. S.， engineer. Her research interests include information security.
LONG Haiming， born in 1987， M. S.， assistant research fellow. His research interests include information security.
ZHANG Yingjun， born in 1980， Ph. D.， associate professor. His research interests include data mining， decision theory.
Supported by:
National Key Research and Development Program of China(2022YFB2603302);Beijing Natural Science Foundation(L251029);Project of State Key Laboratory(2025YJ153)

摘要/Abstract

摘要：

随着移动互联网快速发展和海量大数据的涌现，信息安全风险日益凸显，构建和完善科学、客观的安全风险评估体系具有重要的理论和现实意义。然而，现有评估方法还面临不确定信息的表示、专家和属性权重的客观量化以及不确定信息融合等挑战。针对上述挑战，提出一种基于多目标规划和证据推理理论的信息安全风险评估模型。首先，利用区间直觉模糊数表示不确定信息，并定义三类基本运算法则；其次，基于多目标规划客观量化专家和属性权重；再次，引入区间直觉模糊环境下的证据推理融合规则，以解决不确定信息的融合问题；最后，借鉴逼近理想解方法TOPSIS（Technique for Order Preference by Similarity to Ideal Solution），综合评估信息安全。实验结果验证了所提模型在信息表示、权重量化和评估方面的有效性和可行性。

关键词: 信息安全, 风险评估, 区间直觉模糊集, 多目标规划, 证据推理

Abstract:

With the rapid development of mobile Internet and the emergence of massive big data， information security risks are increasingly prominent， so the construction and improvement of a scientific and objective security risk assessment system have great theoretical and practical significance. However， the existing assessment methods face challenges such as the representation of uncertain information， the objective quantification of expert and attribute weights， and the fusion of uncertain information. To address these challenges， an information security risk assessment model based on multi-objective programming and evidential reasoning theory was proposed. First， interval-valued intuitionistic fuzzy numbers were used to represent uncertain information， and three basic operational laws were defined. Second， expert and attribute weights were quantified objectively based on multi-objective programming. Third， evidential reasoning fusion rules in the interval-valued intuitionistic fuzzy environment were introduced to solve the fusion problem of uncertain information. Finally， the ideal solution approaching method TOPSIS （Technique for Order Preference by Similarity to Ideal Solution） was referenced for comprehensive information security assessment. Experimental results verify the effectiveness and feasibility of the proposed model in information representation， weight quantification， and risk assessment.

Key words: information security, risk assessment, Interval-Valued Intuitionistic Fuzzy Set (IVIFS), multi-objective programming, evidential reasoning

中图分类号:

TP309.2

王晶萍, 刘艳婷, 龙海明, 张英俊. 基于多目标规划和证据推理理论的信息安全风险评估[J]. 计算机应用, 2026, 46(10): 3227-3232.

Jingping WANG, Yanting LIU, Haiming LONG, Yingjun ZHANG. Information security risk assessment based on multi-objective programming and evidential reasoning theory[J]. Journal of Computer Applications, 2026, 46(10): 3227-3232.

图/表 6

表1 专家1的风险评估矩阵

Tab. 1 Risk assessment matrix from expert 1

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.5，0.6］，［0.2，0.3］）	（［0.3，0.5］，［0.4，0.5］）	（［0.6，0.7］，［0.2，0.3］）	（［0.5，0.7］，［0.1，0.2］）	（［0.1，0.4］，［0.3，0.5］）
$A 2$	（［0.3，0.4］，［0.4，0.6］）	（［0.1，0.3］，［0.2，0.4］）	（［0.3，0.4］，［0.4，0.5］）	（［0.2，0.4］，［0.5，0.6］）	（［0.7，0.8］，［0.1，0.2］）
$A 3$	（［0.4，0.5］，［0.3，0.5］）	（［0.7，0.8］，［0.1，0.2］）	（［0.5，0.8］，［0.1，0.2］）	（［0.4，0.6］，［0.2，0.3］）	（［0.5，0.6］，［0.2，0.3］）
$A 4$	（［0.3，0.5］，［0.4，0.5］）	（［0.1，0.2］，［0.7，0.8］）	（［0.1，0.2］，［0.5，0.8］）	（［0.2，0.3］，［0.4，0.6］）	（［0.2，0.3］，［0.5，0.6］）

表1 专家1的风险评估矩阵

Tab. 1 Risk assessment matrix from expert 1

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.5，0.6］，［0.2，0.3］）	（［0.3，0.5］，［0.4，0.5］）	（［0.6，0.7］，［0.2，0.3］）	（［0.5，0.7］，［0.1，0.2］）	（［0.1，0.4］，［0.3，0.5］）
$A 2$	（［0.3，0.4］，［0.4，0.6］）	（［0.1，0.3］，［0.2，0.4］）	（［0.3，0.4］，［0.4，0.5］）	（［0.2，0.4］，［0.5，0.6］）	（［0.7，0.8］，［0.1，0.2］）
$A 3$	（［0.4，0.5］，［0.3，0.5］）	（［0.7，0.8］，［0.1，0.2］）	（［0.5，0.8］，［0.1，0.2］）	（［0.4，0.6］，［0.2，0.3］）	（［0.5，0.6］，［0.2，0.3］）
$A 4$	（［0.3，0.5］，［0.4，0.5］）	（［0.1，0.2］，［0.7，0.8］）	（［0.1，0.2］，［0.5，0.8］）	（［0.2，0.3］，［0.4，0.6］）	（［0.2，0.3］，［0.5，0.6］）

表2 专家2的风险评估矩阵

Tab. 2 Risk assessment matrix from expert 2

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.4，0.5］，［0.2，0.4］）	（［0.3，0.4］，［0.4，0.6］）	（［0.6，0.7］，［0.1，0.2］）	（［0.5，0.6］，［0.1，0.3］）	（［0.1，0.3］，［0.3，0.5］）
$A 2$	（［0.3，0.5］，［0.4，0.5］）	（［0.1，0.3］，［0.3，0.7］）	（［0.3，0.4］，［0.4，0.5］）	（［0.2，0.3］，［0.6，0.7］）	（［0.6，0.8］，［0.1，0.2］）
$A 3$	（［0.4，0.6］，［0.3，0.4］）	（［0.6，0.8］，［0.1，0.2］）	（［0.7，0.8］，［0.1，0.2］）	（［0.4，0.6］，［0.3，0.4］）	（［0.5，0.6］，［0.2，0.4］）
$A 4$	（［0.3，0.4］，［0.4，0.6］）	（［0.1，0.2］，［0.6，0.8］）	（［0.1，0.2］，［0.7，0.8］）	（［0.3，0.4］，［0.4，0.6］）	（［0.2，0.4］，［0.5，0.6］）

表2 专家2的风险评估矩阵

Tab. 2 Risk assessment matrix from expert 2

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.4，0.5］，［0.2，0.4］）	（［0.3，0.4］，［0.4，0.6］）	（［0.6，0.7］，［0.1，0.2］）	（［0.5，0.6］，［0.1，0.3］）	（［0.1，0.3］，［0.3，0.5］）
$A 2$	（［0.3，0.5］，［0.4，0.5］）	（［0.1，0.3］，［0.3，0.7］）	（［0.3，0.4］，［0.4，0.5］）	（［0.2，0.3］，［0.6，0.7］）	（［0.6，0.8］，［0.1，0.2］）
$A 3$	（［0.4，0.6］，［0.3，0.4］）	（［0.6，0.8］，［0.1，0.2］）	（［0.7，0.8］，［0.1，0.2］）	（［0.4，0.6］，［0.3，0.4］）	（［0.5，0.6］，［0.2，0.4］）
$A 4$	（［0.3，0.4］，［0.4，0.6］）	（［0.1，0.2］，［0.6，0.8］）	（［0.1，0.2］，［0.7，0.8］）	（［0.3，0.4］，［0.4，0.6］）	（［0.2，0.4］，［0.5，0.6］）

表3 专家3的风险评估矩阵

Tab. 3 Risk assessment matrix from expert 3

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.4，0.7］，［0.1，0.2］）	（［0.3，0.5］，［0.3，0.4］）	（［0.6，0.7］，［0.1，0.2］）	（［0.5，0.6］，［0.1，0.3］）	（［0.3，0.5］，［0.4，0.5］）
$A 2$	（［0.4，0.5］，［0.2，0.4］）	（［0.2，0.4］，［0.4，0.5］）	（［0.4，0.5］，［0.3，0.4］）	（［0.1，0.2］，［0.7，0.8］）	（［0.6，0.7］，［0.2，0.3］）
$A 3$	（［0.2，0.4］，［0.3，0.4］）	（［0.6，0.8］，［0.1，0.2］）	（［0.5，0.7］，［0.1，0.3］）	（［0.5，0.7］，［0.2，0.3］）	（［0.6，0.8］，［0.1，0.2］）
$A 4$	（［0.3，0.4］，［0.2，0.4］）	（［0.1，0.2］，［0.6，0.8］）	（［0.1，0.3］，［0.5，0.7］）	（［0.2，0.3］，［0.5，0.7］）	（［0.1，0.2］，［0.6，0.8］）

表3 专家3的风险评估矩阵

Tab. 3 Risk assessment matrix from expert 3

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.4，0.7］，［0.1，0.2］）	（［0.3，0.5］，［0.3，0.4］）	（［0.6，0.7］，［0.1，0.2］）	（［0.5，0.6］，［0.1，0.3］）	（［0.3，0.5］，［0.4，0.5］）
$A 2$	（［0.4，0.5］，［0.2，0.4］）	（［0.2，0.4］，［0.4，0.5］）	（［0.4，0.5］，［0.3，0.4］）	（［0.1，0.2］，［0.7，0.8］）	（［0.6，0.7］，［0.2，0.3］）
$A 3$	（［0.2，0.4］，［0.3，0.4］）	（［0.6，0.8］，［0.1，0.2］）	（［0.5，0.7］，［0.1，0.3］）	（［0.5，0.7］，［0.2，0.3］）	（［0.6，0.8］，［0.1，0.2］）
$A 4$	（［0.3，0.4］，［0.2，0.4］）	（［0.1，0.2］，［0.6，0.8］）	（［0.1，0.3］，［0.5，0.7］）	（［0.2，0.3］，［0.5，0.7］）	（［0.1，0.2］，［0.6，0.8］）

表4 专家4的风险评估矩阵

Tab. 4 Risk assessment matrix from expert 4

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.6，0.7］，［0.2，0.3］）	（［0.3，0.4］，［0.3，0.4］）	（［0.7，0.8］，［0.1，0.2］）	（［0.5，0.6］，［0.1，0.3］）	（［0.1，0.2］，［0.5，0.7］）
$A 2$	（［0.4，0.5］，［0.4，0.5］）	（［0.1，0.2］，［0.2，0.3］）	（［0.3，0.4］，［0.5，0.6］）	（［0.2，0.3］，［0.4，0.6］）	（［0.6，0.7］，［0.1，0.2］）
$A 3$	（［0.4，0.5］，［0.3，0.4］）	（［0.6，0.7］，［0.1，0.3］）	（［0.5，0.8］，［0.1，0.2］）	（［0.4，0.5］，［0.2，0.3］）	（［0.5，0.6］，［0.3，0.4］）
$A 4$	（［0.3，0.4］，［0.4，0.5］）	（［0.1，0.3］，［0.6，0.7］）	（［0.1，0.2］，［0.5，0.8］）	（［0.2，0.3］，［0.4，0.5］）	（［0.3，0.4］，［0.5，0.6］）

表4 专家4的风险评估矩阵

Tab. 4 Risk assessment matrix from expert 4

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（［0.6，0.7］，［0.2，0.3］）	（［0.3，0.4］，［0.3，0.4］）	（［0.7，0.8］，［0.1，0.2］）	（［0.5，0.6］，［0.1，0.3］）	（［0.1，0.2］，［0.5，0.7］）
$A 2$	（［0.4，0.5］，［0.4，0.5］）	（［0.1，0.2］，［0.2，0.3］）	（［0.3，0.4］，［0.5，0.6］）	（［0.2，0.3］，［0.4，0.6］）	（［0.6，0.7］，［0.1，0.2］）
$A 3$	（［0.4，0.5］，［0.3，0.4］）	（［0.6，0.7］，［0.1，0.3］）	（［0.5，0.8］，［0.1，0.2］）	（［0.4，0.5］，［0.2，0.3］）	（［0.5，0.6］，［0.3，0.4］）
$A 4$	（［0.3，0.4］，［0.4，0.5］）	（［0.1，0.3］，［0.6，0.7］）	（［0.1，0.2］，［0.5，0.8］）	（［0.2，0.3］，［0.4，0.5］）	（［0.3，0.4］，［0.5，0.6］）

表5 集成风险评估矩阵

Tab. 5 Integrated risk assessment matrix

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（0.664 8，0.209 9）	（0.442 4，0.364 7）	（0.794 8，0.125 1）	（0.694 3，0.160 3）	（0.251 0，0.570 3）
$A 2$	（0.439 1，0.460 1）	（0.298 3，0.277 8）	（0.387 5，0.503 6）	（0.191 5，0.723 4）	（0.804 6，0.122 3）
$A 3$	（0.482 4，0.385 0）	（0.754 7，0.292 8）	（0.787 2，0.117 7）	（0.612 3，0.258 5）	（0.690 8，0.222 0）
$A 4$	（0.385 0，0.482 4）	（0.185 1，0.488 5）	（0.117 7，0.787 2）	（0.258 5，0.612 3）	（0.222 0，0.690 8）

表5 集成风险评估矩阵

Tab. 5 Integrated risk assessment matrix

风险等级	$x 1$	$x 2$	$x 3$	$x 4$	$x 5$
$A 1$	（0.664 8，0.209 9）	（0.442 4，0.364 7）	（0.794 8，0.125 1）	（0.694 3，0.160 3）	（0.251 0，0.570 3）
$A 2$	（0.439 1，0.460 1）	（0.298 3，0.277 8）	（0.387 5，0.503 6）	（0.191 5，0.723 4）	（0.804 6，0.122 3）
$A 3$	（0.482 4，0.385 0）	（0.754 7，0.292 8）	（0.787 2，0.117 7）	（0.612 3，0.258 5）	（0.690 8，0.222 0）
$A 4$	（0.385 0，0.482 4）	（0.185 1，0.488 5）	（0.117 7，0.787 2）	（0.258 5，0.612 3）	（0.222 0，0.690 8）

表6 不同方法的风险等级排序结果

Tab. 6 Risk level ranking results of different methods

方法	评估结果
文献［8］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［19］方法	$A 3 ≻ A 1 ≻ A 4 ≻ A 2$
文献［20］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［21］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［22］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［23］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
本文方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$

表6 不同方法的风险等级排序结果

Tab. 6 Risk level ranking results of different methods

方法	评估结果
文献［8］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［19］方法	$A 3 ≻ A 1 ≻ A 4 ≻ A 2$
文献［20］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［21］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［22］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
文献［23］方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$
本文方法	$A 3 ≻ A 1 ≻ A 2 ≻ A 4$

参考文献 23

[1]	沈昌祥，张焕国，冯登国，等. 信息安全综述［J］. 中国科学（E辑：信息科学）， 2007， 37（2）： 129-150.
	Shen Changxiang， Zhang Huanguo， Feng Dengguo， et al. Overview of information security［J］. Science in China （Series E： Information Sciences）， 2007， 37（2）： 129-150.
[2]	方滨兴. 透视海外扩张的“安全”障碍［J］. 信息安全与通信保密， 2013（1）： 1-1.
	Fang Binxing. Perspective on the "security" obstacles to overseas expansion［J］. Information Security and Communications Privacy， 2013（1）： 1-1.
[3]	方滨兴，殷丽华. 关于信息安全定义的研究［J］. 信息网络安全， 2008（1）： 8-10.
	Fang Binxing， Yin Lihua. On the definition of information security［J］. Netinfo Security， 2008（1）： 8-10.
[4]	沈昌祥. 我国信息安全等级保护制度的创新与发展［J］. 网络空间安全， 2016， 7（S2）： 5-6.
	Shen Changxiang. The innovation and development of China’s classified protection system for information security［J］. Cyberspace Security， 2016， 7（S2）： 5-6.
[5]	方滨兴. 云平台的可信性评测［J］. 保密工作， 2020（3）： 53-55.
	Fang Binxing. Trustworthiness evaluation of cloud platforms［J］. Secrecy Work， 2020（3）： 53-55.
[6]	杨武俊. 多层次模糊综合评判法在信息安全风险评估中的应用［J］. 网络安全技术与应用， 2013（11）： 33-34， 32.
	Yang Wujun. Applying multi-level fuzzy comprehensive evaluation in information security risk assessment［J］. Network Security Technology and Application， 2013（11）： 33-34， 32.
[7]	黄国庆，肖爽. 改进犹豫模糊集在信息安全风险评估上的应用［J］. 微电子学与计算机， 2018， 35（5）： 105-108， 115.
	Huang Guoqing， Xiao Shuang. The application of improved hesitant fuzzy set in information security risk assessment［J］. Microelectronics and Computer， 2018， 35（5）： 105-108， 115.
[8]	白冰. 基于模糊证据理论的信息系统安全风险评估分析［J］. 电子设计工程， 2020， 28（14）： 81-84， 89.
	Bai Bing. Analysis of information system security risk assessment based on fuzzy evidence theory［J］. Electronic Design Engineering， 2020， 28（14）： 81-84， 89.
[9]	Deb R， Roy S. A software defined network information security risk assessment based on Pythagorean fuzzy sets［J］. Expert Systems with Applications， 2021， 183： No.115383.
[10]	宋晓镔. 基于模糊熵权法二次系统信息安全风险评估研究［J］. 电脑编程技巧与维护， 2024（2）： 170-172.
	Song Xiaobin. Research on information security risk assessment of secondary systems based on fuzzy entropy weight method［J］. Computer Programming Skills and Maintenance， 2024（2）： 170-172.
[11]	王康，李默涵. 信息系统安全风险评估方法研究［J］. 网络安全技术与应用， 2024（12）： 18-21.
	Wang Kang， Li Mohan. Research on information security risk assessment methods for information systems［J］. Network Security Technology and Application， 2024（12）： 18-21.
[12]	Li X. Personal information security risk assessment for E-waste recycling based on Fuzzy-GRA-TOPSIS and FMEA［J］. IEEE Transactions on Engineering Management， 2024， 71： 8240-8250.
[13]	Chen X， Deng Y. Evidential software risk assessment model on ordered frame of discernment［J］. Expert Systems with Applications， 2024， 250： No.123786.
[14]	Sato R， Kawaguchi H， Nakatani Y. Malcoda： practical and stochastic security risk assessment for enterprise networks［J］. IEEE Transactions on Dependable and Secure Computing， 2025， 22（2）： 1383-1399.
[15]	戴春豪，曹忠，尚文利，等. 功能安全与信息安全一体化风险评估［J］. 计算机仿真， 2025， 42（7）： 40-45， 559.
	Dai Chunhao， Cao Zhong， Shang Wenli， et al. Integrated risk assessment of functional safety and information security［J］. Computer Simulation， 2025， 42（7）： 40-45， 559.
[16]	Atanassov K， Gargov G. Interval valued intuitionistic fuzzy sets［J］. Fuzzy Sets and Systems， 1989， 31（3）： 343-349.
[17]	Yang J B， Xu D L. On the evidential reasoning algorithm for multiple attribute decision analysis under uncertainty［J］. IEEE Transactions on Systems， Man， and Cybernetics - Part A： Systems and Humans， 2002， 32（3）： 289-304.
[18]	He S F， Pan X H， Wang Y M， et al. A novel multi-criteria decision making framework based on evidential reasoning dealing with missing information from online reviews［J］. Information Fusion， 2024， 106： No.102264.
[19]	Zhang Y， Hu S， Zhou W. Multiple attribute group decision making using J-divergence and evidential reasoning theory under intuitionistic fuzzy environment［J］. Neural Computing and Applications， 2020， 32（10）： 6311-6326.
[20]	Zeng S， Chen S M， Fan K Y. Interval-valued intuitionistic fuzzy multiple attribute decision making based on nonlinear programming methodology and TOPSIS method［J］. Information Sciences， 2020， 506： 424-442.
[21]	Khan W A， Arif W， Rashmanlou H， et al. Interval-valued picture fuzzy hypergraphs with application towards decision making［J］. Journal of Applied Mathematics and Computing， 2024， 70（2）： 1103-1125.
[22]	Zheng J， Dong M. Interval-valued intuitionistic fuzzy multi-attribute decision-making based on entropy and bidirectional projection［J］. International Journal of Computational Intelligence Systems， 2025， 18： No.39.
[23]	Ruan C， Gong S， Chen X. Multi-criteria group decision-making with extended ELECTRE Ⅲ method and regret theory based on probabilistic interval-valued intuitionistic hesitant fuzzy information［J］. Complex and Intelligent Systems， 2025， 11： No.92.

基于多目标规划和证据推理理论的信息安全风险评估

Information security risk assessment based on multi-objective programming and evidential reasoning theory

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 23

相关文章 15

编辑推荐

Metrics

[1]	肖海林, 黄天义, 代秋香, 张跃军, 张中山. 基于轨迹预测的安全强化学习自动变道决策方法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2958-2963.
[2]	姚洪磊, 刘吉强, 童恩栋, 牛温佳. 基于 α-截集三角模糊数和攻击树的CTCS网络安全风险评估方法[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1018-1026.
[3]	花晓雨, 李冬芬, 付优, 毕可骏, 应时, 王瑞锦. 结合层次图神经网络与长短期记忆的产业链风险评估预警模型[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3223-3231.
[4]	郝劭辰, 卫孜钻, 马垚, 于丹, 陈永乐. 基于高效联邦学习算法的网络入侵检测模型[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1169-1175.
[5]	田洪亮, 葛平, 宪明杰. 基于区块链的配电网运行异常管理机制[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3504-3509.
[6]	王泽曦, 张敏情, 柯彦, 孔咏骏. 基于图像秘密共享的密文域可逆信息隐藏算法[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1480-1489.
[7]	马华, 陈跃鹏, 唐文胜, 娄小平, 黄卓轩. 面向工作者能力评估的众包任务分配方法的研究进展综述[J]. 《计算机应用》唯一官方网站, 2021, 41(8): 2232-2241.
[8]	肖凯, 王蒙, 唐新余, 蒋同海. 基于区块链技术的公益时间银行系统[J]. 计算机应用, 2019, 39(7): 2156-2161.
[9]	罗霄峰, 杨兴春, 胡勇. 改进的基于属性的访问控制策略评估管理决策图[J]. 计算机应用, 2019, 39(12): 3569-3574.
[10]	卜同同, 曹天杰. 基于权限的Android应用风险评估方法[J]. 计算机应用, 2019, 39(1): 131-135.
[11]	李兆斌, 李伟隆, 魏占祯, 刘梦甜. SDN数据安全处理机制关键模块的研究与实现[J]. 计算机应用, 2018, 38(7): 1929-1935.
[12]	熊宁欣, 王应明. 基于改进模糊熵和证据推理的多属性决策方法[J]. 计算机应用, 2018, 38(10): 2801-2806.
[13]	柯彦, 张敏情, 刘佳, 杨晓元. 密文域可逆信息隐藏综述[J]. 计算机应用, 2016, 36(11): 3067-3076.
[14]	柯彦, 张敏情, 刘佳. 可分离的加密域十六进制可逆信息隐藏[J]. 计算机应用, 2016, 36(11): 3082-3087.
[15]	武文博, 康锐, 李梓. 基于攻击图的信息物理系统信息安全风险评估方法[J]. 计算机应用, 2016, 36(1): 203-206.