| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文主要内容 | 第13-14页 |
| 1.4 论文章节安排 | 第14-15页 |
| 第二章 基于指标体系的网络安全态势感知模型及关键技术实现 | 第15-24页 |
| 2.1 网络安全态势感知相关概念 | 第15-16页 |
| 2.1.1 态势感知概念 | 第15页 |
| 2.1.2 网络安全态势感知概念 | 第15-16页 |
| 2.2 网络安全态势感知经典模型研究 | 第16-17页 |
| 2.3 基于指标体系的网络安全态势感知模型提出 | 第17-19页 |
| 2.3.1 网络安全态势指标的选取原则 | 第17-18页 |
| 2.3.2 网络安全态势指标体系的建立 | 第18页 |
| 2.3.3 基于指标体系的网络安全态势感知模型 | 第18-19页 |
| 2.4 基于指标体系的态势感知模型关键技术实现 | 第19-23页 |
| 2.4.1 安全态势数据采集 | 第19-20页 |
| 2.4.2 安全态势指标提取和预处理 | 第20-21页 |
| 2.4.3 安全态势指标体系选取 | 第21页 |
| 2.4.4 安全态势数据存储 | 第21-22页 |
| 2.4.5 安全态势评估 | 第22页 |
| 2.4.6 安全态势预测 | 第22页 |
| 2.4.7 安全态势可视化 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于T-S模糊神经网络的网络安全态势评估研究 | 第24-35页 |
| 3.1 神经网络相关理论研究 | 第24-26页 |
| 3.1.1 神经网络组成单元及属性 | 第24-25页 |
| 3.1.2 神经网络的结构 | 第25页 |
| 3.1.3 神经网络学习方式 | 第25-26页 |
| 3.2 模糊理论相关理论研究 | 第26-27页 |
| 3.2.1 模糊集合和隶属函数 | 第26-27页 |
| 3.2.2 模糊规则和模糊推理 | 第27页 |
| 3.3 模糊神经网络解决态势评估的可行性分析 | 第27页 |
| 3.4 基于T-S模糊神经网络的威胁态势评估过程 | 第27-30页 |
| 3.4.1 模糊逻辑的T-S模型 | 第28页 |
| 3.4.2 基于T-S模糊神经网络威胁态势评估的网络结构 | 第28-29页 |
| 3.4.3 基于T-S模糊神经网络威胁态势评估学习算法 | 第29-30页 |
| 3.5 基于层次分析法的网络总体态势评估 | 第30-32页 |
| 3.5.1 层次分析法确定权重 | 第30页 |
| 3.5.2 态势等级划分及量化 | 第30-31页 |
| 3.5.3 网络总体态势评估 | 第31-32页 |
| 3.6 实验仿真 | 第32-34页 |
| 3.6.1 威胁态势评估实验仿真 | 第32-33页 |
| 3.6.2 网络总体态势评估实验仿真 | 第33-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第四章 基于改进支持向量机的网络安全态势预测研究 | 第35-44页 |
| 4.1 支持向量机相关理论研究 | 第35-38页 |
| 4.1.1 支持向量机基本思想 | 第35-37页 |
| 4.1.2 支持向量机核函数 | 第37-38页 |
| 4.1.3 支持向量机体系结构 | 第38页 |
| 4.2 基于支持向量回归的态势预测 | 第38-40页 |
| 4.3 改进的支持向量机ISVM预测 | 第40-41页 |
| 4.4 基于改进支持向量机ISVM的态势预测工作流程 | 第41页 |
| 4.5 实验仿真 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 基于指标体系网络安全态势感知系统原型实现 | 第44-52页 |
| 5.1 系统总体设计 | 第44-45页 |
| 5.2 系统详细设计 | 第45-47页 |
| 5.3 系统测试环境 | 第47-48页 |
| 5.4 关键模块测试 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文总结 | 第52-53页 |
| 6.2 未来展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 发表论文和科研情况说明 | 第57-58页 |
| 致谢 | 第58-59页 |
