| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 论文的主要工作 | 第15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第二章 网络安全态势感知基础理论概述 | 第18-26页 |
| 2.1 网络安全态势感知概述 | 第18-23页 |
| 2.1.1 网络安全态势感知相关概念 | 第18页 |
| 2.1.2 网络安全态势感知框架模型 | 第18-23页 |
| 2.1.3 网络安全态势研究方向 | 第23页 |
| 2.2 网络安全态势感知关键技术 | 第23-25页 |
| 2.2.1 网络安全态势评估技术 | 第23-25页 |
| 2.2.2 网络安全态势预测技术 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于遗传算法-BP神经网络的网络安全态势评估方法 | 第26-44页 |
| 3.1 遗传算法基础理论 | 第26-29页 |
| 3.1.1 遗传算法基本原理 | 第26-27页 |
| 3.1.2 遗传算法基本流程 | 第27-29页 |
| 3.2 BP神经网络理论研究 | 第29-32页 |
| 3.2.1 BP神经网络基本原理 | 第29-30页 |
| 3.2.2 BP神经网络算法 | 第30-32页 |
| 3.3 网络安全态势评估指标体系的构建 | 第32-33页 |
| 3.3.1 态势评估指标体系构建原则 | 第32页 |
| 3.3.2 构建网络安全态势评估指标体系 | 第32-33页 |
| 3.3.3 网络安全评估等级划分 | 第33页 |
| 3.4 基于攻击指标体系的遗传-BP神经网络的网络安全态势评估方法 | 第33-38页 |
| 3.4.1 网络安全态势评估原理 | 第33-36页 |
| 3.4.2 BP神经网络态势评估模型构建 | 第36-38页 |
| 3.5 实验验证 | 第38-42页 |
| 3.5.1 实验环境与数据集 | 第38-39页 |
| 3.5.2 评估模型参数设计 | 第39-40页 |
| 3.5.3 实验结果分析 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于蚁群算法-RBF神经网络的网络安全态势预测方法 | 第44-56页 |
| 4.1 蚁群算法基础理论 | 第44-45页 |
| 4.1.1 蚁群算法基本原理 | 第44-45页 |
| 4.1.2 蚁群算法基本流程 | 第45页 |
| 4.2 RBF神经网络理论研究 | 第45-49页 |
| 4.2.1 RBF神经网络原理 | 第45-47页 |
| 4.2.2 RBF神经网络学习算法 | 第47-49页 |
| 4.3 基于优化的RBF神经网络网络安全态势预测方法 | 第49-53页 |
| 4.3.1 网络安全态势预测原理 | 第49-50页 |
| 4.3.2 蚁群算法-RBF神经网络设计思想 | 第50-52页 |
| 4.3.3 RBF神经网络预测模型构建 | 第52-53页 |
| 4.4 实验验证 | 第53-55页 |
| 4.4.1 仿真实验设计 | 第53页 |
| 4.4.2 实验结果分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 总结 | 第56页 |
| 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的科研成果 | 第62-64页 |
| 1 受理的专利 | 第62页 |
| 2 参与的项目 | 第62-64页 |
| 致谢 | 第64-65页 |
