| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 相关理论与技术研究 | 第16-26页 |
| 2.1 信息融合 | 第16-17页 |
| 2.1.1 信息融合概念 | 第16-17页 |
| 2.1.2 信息融合级别 | 第17页 |
| 2.2 网络安全态势感知模型 | 第17-21页 |
| 2.2.1 Endsley模型 | 第18-19页 |
| 2.2.2 JDL模型 | 第19-20页 |
| 2.2.3 Tim Bass模型 | 第20-21页 |
| 2.3 网络安全态势关键技术 | 第21-25页 |
| 2.3.1 态势评估技术 | 第21-23页 |
| 2.3.2 态势预测技术 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 一种基于信息融合的网络安全态势评估模型 | 第26-43页 |
| 3.1 模型描述 | 第26-27页 |
| 3.2 攻击威胁评估 | 第27-30页 |
| 3.2.1 基于报警数的威胁评估 | 第27-28页 |
| 3.2.2 针对分布式拒绝服务攻击的威胁评估 | 第28-30页 |
| 3.3 漏洞脆弱性评估 | 第30-32页 |
| 3.3.1 脆弱性产生的原因和危害 | 第30-31页 |
| 3.3.2 通用漏洞评分系统 | 第31-32页 |
| 3.4 节点权重评估 | 第32-35页 |
| 3.4.1 客观权重 | 第33-34页 |
| 3.4.2 主观权重 | 第34页 |
| 3.4.3 组合权重 | 第34-35页 |
| 3.5 信息融合 | 第35-36页 |
| 3.6 仿真结果分析 | 第36-42页 |
| 3.6.1 实验数据 | 第36-37页 |
| 3.6.2 攻击检测 | 第37-38页 |
| 3.6.3 仿真分析 | 第38-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于APDE-RBF神经网络的网络安全态势预测方法 | 第43-58页 |
| 4.1 RBF神经网络 | 第43-44页 |
| 4.2 APDE-RBF神经网络设计思想 | 第44-48页 |
| 4.2.1 网络结构和中心的确定 | 第45-46页 |
| 4.2.2 中心宽度和连接权值的确定 | 第46-48页 |
| 4.2.3 二次优化 | 第48页 |
| 4.3 算法分析 | 第48-51页 |
| 4.3.1 APDE-RBF算法步骤 | 第48-49页 |
| 4.3.2 APDE-RBF算法收敛性分析 | 第49-50页 |
| 4.3.3 APDE-RBF算法复杂度分析 | 第50-51页 |
| 4.4 仿真结果分析 | 第51-57页 |
| 4.4.1 数据预处理 | 第51-52页 |
| 4.4.2 网络的训练 | 第52页 |
| 4.4.3 网络的预测 | 第52-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 全文工作总结 | 第58-59页 |
| 5.2 研究工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第65页 |