基于人工神经网络的金融信息系统风险评价
TP183%TP274; 随着金融信息化的飞速发展,金融信息系统的风险管理越来越重要.风险管理的核心是风险评价,需要科学评价金融机构的信息系统风险.利用大数据条件下的人工神经网络算法,对BP人工神经网络的结果进行分析;并采用截至2021年底60家金融机构开发的信息系统作为样本进行实验验证.结果表明,人工神经网络具有高相关性和低相对误差,数值拟合效果较好,基于人工神经网络的金融信息系统风险评价模型具有可行性,为大数据和人工神经网络在金融信息系统中的运用提供了有力的实证....
Gespeichert in:
| Veröffentlicht in: | 信息安全研究 2022, Vol.8 (11), p.1055-1060 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 1060 |
|---|---|
| container_issue | 11 |
| container_start_page | 1055 |
| container_title | 信息安全研究 |
| container_volume | 8 |
| creator | 王煦莹 沈红波 徐兴周 |
| description | TP183%TP274; 随着金融信息化的飞速发展,金融信息系统的风险管理越来越重要.风险管理的核心是风险评价,需要科学评价金融机构的信息系统风险.利用大数据条件下的人工神经网络算法,对BP人工神经网络的结果进行分析;并采用截至2021年底60家金融机构开发的信息系统作为样本进行实验验证.结果表明,人工神经网络具有高相关性和低相对误差,数值拟合效果较好,基于人工神经网络的金融信息系统风险评价模型具有可行性,为大数据和人工神经网络在金融信息系统中的运用提供了有力的实证. |
| doi_str_mv | 10.12379/j.issn.2096-1057.2022.11.02 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_xxaqyj202211002</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>xxaqyj202211002</wanfj_id><sourcerecordid>xxaqyj202211002</sourcerecordid><originalsourceid>FETCH-wanfang_journals_xxaqyj2022110023</originalsourceid><addsrcrecordid>eNpjYFAxNNAzNDI2t9TP0sssLs7TMzKwNNM1NDA1B7KMjPQMDfUMjFgYOOHCHAy8xcWZSQZG5pbmRmamxpwMlk_n73qyq-_Jrl1Pty99vnTe8939z_dOfL57zvNZLS_bJ76Y1_tk_8Jnjeufb979fPf8l4v7Xs5c-WJ9y5Pd23kYWNMSc4pTeaE0N4O6m2uIs4dueWJeWmJeenxWfmlRHlAmvqIisbAyC-QiQ0MDAyNj4lUCAISOVp8</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于人工神经网络的金融信息系统风险评价</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>王煦莹 ; 沈红波 ; 徐兴周</creator><creatorcontrib>王煦莹 ; 沈红波 ; 徐兴周</creatorcontrib><description>TP183%TP274; 随着金融信息化的飞速发展,金融信息系统的风险管理越来越重要.风险管理的核心是风险评价,需要科学评价金融机构的信息系统风险.利用大数据条件下的人工神经网络算法,对BP人工神经网络的结果进行分析;并采用截至2021年底60家金融机构开发的信息系统作为样本进行实验验证.结果表明,人工神经网络具有高相关性和低相对误差,数值拟合效果较好,基于人工神经网络的金融信息系统风险评价模型具有可行性,为大数据和人工神经网络在金融信息系统中的运用提供了有力的实证.</description><identifier>ISSN: 2096-1057</identifier><identifier>DOI: 10.12379/j.issn.2096-1057.2022.11.02</identifier><language>chi</language><publisher>香港中文大学(深圳经济管理学院) 广东深圳 518172%复旦大学经济学院 上海 200433%中国船舶集团有限公司 北京 200011</publisher><ispartof>信息安全研究, 2022, Vol.8 (11), p.1055-1060</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/xxaqyj/xxaqyj.jpg</thumbnail><link.rule.ids>314,777,781,4010,27904,27905,27906</link.rule.ids></links><search><creatorcontrib>王煦莹</creatorcontrib><creatorcontrib>沈红波</creatorcontrib><creatorcontrib>徐兴周</creatorcontrib><title>基于人工神经网络的金融信息系统风险评价</title><title>信息安全研究</title><description>TP183%TP274; 随着金融信息化的飞速发展,金融信息系统的风险管理越来越重要.风险管理的核心是风险评价,需要科学评价金融机构的信息系统风险.利用大数据条件下的人工神经网络算法,对BP人工神经网络的结果进行分析;并采用截至2021年底60家金融机构开发的信息系统作为样本进行实验验证.结果表明,人工神经网络具有高相关性和低相对误差,数值拟合效果较好,基于人工神经网络的金融信息系统风险评价模型具有可行性,为大数据和人工神经网络在金融信息系统中的运用提供了有力的实证.</description><issn>2096-1057</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAzNDI2t9TP0sssLs7TMzKwNNM1NDA1B7KMjPQMDfUMjFgYOOHCHAy8xcWZSQZG5pbmRmamxpwMlk_n73qyq-_Jrl1Pty99vnTe8939z_dOfL57zvNZLS_bJ76Y1_tk_8Jnjeufb979fPf8l4v7Xs5c-WJ9y5Pd23kYWNMSc4pTeaE0N4O6m2uIs4dueWJeWmJeenxWfmlRHlAmvqIisbAyC-QiQ0MDAyNj4lUCAISOVp8</recordid><startdate>2022</startdate><enddate>2022</enddate><creator>王煦莹</creator><creator>沈红波</creator><creator>徐兴周</creator><general>香港中文大学(深圳经济管理学院) 广东深圳 518172%复旦大学经济学院 上海 200433%中国船舶集团有限公司 北京 200011</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2022</creationdate><title>基于人工神经网络的金融信息系统风险评价</title><author>王煦莹 ; 沈红波 ; 徐兴周</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_xxaqyj2022110023</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>online_resources</toplevel><creatorcontrib>王煦莹</creatorcontrib><creatorcontrib>沈红波</creatorcontrib><creatorcontrib>徐兴周</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>信息安全研究</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>王煦莹</au><au>沈红波</au><au>徐兴周</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于人工神经网络的金融信息系统风险评价</atitle><jtitle>信息安全研究</jtitle><date>2022</date><risdate>2022</risdate><volume>8</volume><issue>11</issue><spage>1055</spage><epage>1060</epage><pages>1055-1060</pages><issn>2096-1057</issn><abstract>TP183%TP274; 随着金融信息化的飞速发展,金融信息系统的风险管理越来越重要.风险管理的核心是风险评价,需要科学评价金融机构的信息系统风险.利用大数据条件下的人工神经网络算法,对BP人工神经网络的结果进行分析;并采用截至2021年底60家金融机构开发的信息系统作为样本进行实验验证.结果表明,人工神经网络具有高相关性和低相对误差,数值拟合效果较好,基于人工神经网络的金融信息系统风险评价模型具有可行性,为大数据和人工神经网络在金融信息系统中的运用提供了有力的实证.</abstract><pub>香港中文大学(深圳经济管理学院) 广东深圳 518172%复旦大学经济学院 上海 200433%中国船舶集团有限公司 北京 200011</pub><doi>10.12379/j.issn.2096-1057.2022.11.02</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 2096-1057 |
| ispartof | 信息安全研究, 2022, Vol.8 (11), p.1055-1060 |
| issn | 2096-1057 |
| language | chi |
| recordid | cdi_wanfang_journals_xxaqyj202211002 |
| source | 国家哲学社会科学学术期刊数据库 (National Social Sciences Database) |
| title | 基于人工神经网络的金融信息系统风险评价 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-17T11%3A43%3A10IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E9%87%91%E8%9E%8D%E4%BF%A1%E6%81%AF%E7%B3%BB%E7%BB%9F%E9%A3%8E%E9%99%A9%E8%AF%84%E4%BB%B7&rft.jtitle=%E4%BF%A1%E6%81%AF%E5%AE%89%E5%85%A8%E7%A0%94%E7%A9%B6&rft.au=%E7%8E%8B%E7%85%A6%E8%8E%B9&rft.date=2022&rft.volume=8&rft.issue=11&rft.spage=1055&rft.epage=1060&rft.pages=1055-1060&rft.issn=2096-1057&rft_id=info:doi/10.12379/j.issn.2096-1057.2022.11.02&rft_dat=%3Cwanfang_jour%3Exxaqyj202211002%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=xxaqyj202211002&rfr_iscdi=true |