| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景和意义 | 第7-9页 |
| 1.2 研究现状和分析 | 第9-14页 |
| 1.3 研究内容和贡献 | 第14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 信息安全风险评估概述 | 第16-29页 |
| 2.1 信息安全风险评估及其流程 | 第16-18页 |
| 2.2 风险识别方法 | 第18-20页 |
| 2.3 风险评估方法 | 第20-28页 |
| 2.3.1 基于量化的风险评估方法 | 第20-22页 |
| 2.3.2 基于模型的风险分析方法 | 第22-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 贝叶斯神经网络 | 第29-37页 |
| 3.1 人工神经网络 | 第29-31页 |
| 3.2 贝叶斯定理 | 第31-32页 |
| 3.3 贝叶斯正则化 | 第32-34页 |
| 3.4 贝叶斯正则化神经网络 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 风险评估实施模型构建 | 第37-50页 |
| 4.1 风险评估指标构建 | 第37-44页 |
| 4.1.1 评估体系指标选择原则 | 第37-38页 |
| 4.1.2 风险要素构造 | 第38-42页 |
| 4.1.3 构建风险评估体系结构 | 第42-44页 |
| 4.2 风险数据采集 | 第44-49页 |
| 4.2.1 数据模糊化处理 | 第45页 |
| 4.2.2 训练数据集生成 | 第45-46页 |
| 4.2.3 数据预处理 | 第46-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 风险评估模型验证 | 第50-61页 |
| 5.1 构建贝叶斯神经网络风险评估模型 | 第50页 |
| 5.2 贝叶斯神经网络模型搭建 | 第50-53页 |
| 5.2.1 确定隐藏层神经元个数 | 第50-52页 |
| 5.2.2 确定激活函数及网络优化 | 第52-53页 |
| 5.3 基于模糊理论与BRBPNN的风险评估预测模型仿真 | 第53-59页 |
| 5.3.1 BR算法与LM算法仿真实验对比 | 第53-57页 |
| 5.3.2 指标实验对比 | 第57-59页 |
| 5.3.3 风险结果分析 | 第59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61页 |
| 6.2 论文展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 图目录 | 第68-69页 |
| 表目录 | 第69-70页 |
| 公式目录 | 第70-72页 |
| 附录 | 第72-73页 |