基于改进灰色理论的网络安全态势预测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 理论基础 | 第15-29页 |
| 2.1 网络安全态势感知 | 第15-22页 |
| 2.1.1 安全要素的获取 | 第15-17页 |
| 2.1.2 指标的筛选 | 第17页 |
| 2.1.3 态势评估体系 | 第17-19页 |
| 2.1.4 态势评估方法 | 第19-21页 |
| 2.1.5 态势预测方法 | 第21-22页 |
| 2.2 Honeynet技术 | 第22-24页 |
| 2.3 遗传算法 | 第24-25页 |
| 2.4 粒子群算法 | 第25页 |
| 2.5 灰色理论 | 第25-26页 |
| 2.6 BP神经网络 | 第26-27页 |
| 2.7 本章小结 | 第27-29页 |
| 第三章 基于修正灰色模型的态势预测 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 改进粒子群算法 | 第29-33页 |
| 3.2.1 早熟问题 | 第30页 |
| 3.2.2 遗传算法和粒子群算法的特点 | 第30-31页 |
| 3.2.3 改进算法实现 | 第31页 |
| 3.2.4 改进算法步骤 | 第31-33页 |
| 3.3 灰色GM（1，1）预测模型 | 第33-34页 |
| 3.4 BP神经网络的训练 | 第34-36页 |
| 3.4.1 神经网络的设计 | 第34-35页 |
| 3.4.2 改进算法优化神经网络 | 第35-36页 |
| 3.5 基于灰色神经的态势初始预测 | 第36-40页 |
| 3.5.1 灰色神经网络预测模型 | 第36-38页 |
| 3.5.2 误差分析 | 第38-39页 |
| 3.5.3 改进算法训练灰色神经网络 | 第39-40页 |
| 3.6 基于修正灰色神经的态势预测 | 第40-42页 |
| 3.6.1 灰色理论和BP神经网络的比较 | 第40-41页 |
| 3.6.2 预测算法 | 第41-42页 |
| 3.7 检验标准 | 第42-43页 |
| 3.8 本章小结 | 第43-45页 |
| 第四章 模拟实验与分析 | 第45-55页 |
| 4.1 评估指标筛选结果 | 第45页 |
| 4.2 网络攻防环境搭建 | 第45-47页 |
| 4.3 MATLAB平台搭建 | 第47-48页 |
| 4.4 实验参数的确定及结果分析 | 第48-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间主要的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
