网络安全态势感知与趋势分析系统的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-14页 |
| ·课题的背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文要解决的问题及主要工作 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第二章 网络安全态势感知相关技术分析 | 第14-24页 |
| ·网络安全态势感知 | 第14-16页 |
| ·基本概念描述 | 第14页 |
| ·相关概念比较 | 第14-16页 |
| ·通用网络态势感知模型 | 第16-17页 |
| ·系统模型框架 | 第16-17页 |
| ·与传统安全产品的比较 | 第17页 |
| ·关键技术 | 第17-23页 |
| ·数据挖掘技术 | 第17-18页 |
| ·数据融合技术 | 第18-19页 |
| ·可视化技术 | 第19-21页 |
| ·态势预测技术 | 第21-23页 |
| ·小结 | 第23-24页 |
| 第三章 网络安全态势感知与趋势分析算法研究 | 第24-33页 |
| ·神经网络方法简介 | 第24-25页 |
| ·预测模型原理及结构 | 第25-29页 |
| ·RBF 神经网络在数学上的可行性 | 第25-27页 |
| ·RBF 神经网络的函数逼近能力 | 第27-28页 |
| ·RBF 神经网络的基本学习方法 | 第28-29页 |
| ·基于RBF神经网络的预测算法流程 | 第29-31页 |
| ·算法改进 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 网络安全态势感知与趋势分析系统需求描述 | 第33-50页 |
| ·网络安全态势感知与趋势分析系统中的指标体系 | 第33-35页 |
| ·系统总体功能需求 | 第35-37页 |
| ·信息收集子系统需求描述 | 第37-41页 |
| ·网元信息收集 | 第38-39页 |
| ·流量信息收集 | 第39页 |
| ·报警信息收集 | 第39-40页 |
| ·漏洞信息收集 | 第40页 |
| ·数据预处理 | 第40-41页 |
| ·态势评估子系统需求描述 | 第41-44页 |
| ·脆弱性评估 | 第41-42页 |
| ·容灾性评估 | 第42页 |
| ·威胁性评估 | 第42-43页 |
| ·稳定性评估 | 第43-44页 |
| ·安全状态评估 | 第44页 |
| ·态势预测子系统需求描述 | 第44-46页 |
| ·模型初始化 | 第45页 |
| ·预测模型生成 | 第45-46页 |
| ·趋势分析 | 第46页 |
| ·态势可视化子系统需求描述 | 第46-49页 |
| ·可视化信息预处理 | 第47-48页 |
| ·可视化模型生成 | 第48页 |
| ·展示图生成 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第五章 网络安全态势感知与趋势分析系统设计与实现 | 第50-70页 |
| ·系统总体结构设计 | 第50-52页 |
| ·数据库设计 | 第52-58页 |
| ·主要数据表结构设计 | 第52-54页 |
| ·针对大规模数据的优化处理 | 第54-58页 |
| ·系统界面设计 | 第58-61页 |
| ·态势感知中心主界面 | 第58页 |
| ·功能设置界面 | 第58-59页 |
| ·统计信息可视化界面 | 第59-61页 |
| ·安全态势预测子系统的设计与实现 | 第61-69页 |
| ·缓存设计 | 第61-63页 |
| ·数据预处理 | 第63-65页 |
| ·基于RBF 神经网络的态势预测实现 | 第65-69页 |
| ·小结 | 第69-70页 |
| 第六章 系统测试及结果分析 | 第70-75页 |
| ·测试环境及数据 | 第70-72页 |
| ·结果分析 | 第72-73页 |
| ·算法改进前后的比较 | 第73-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻硕期间取得的研究成果 | 第82-83页 |
