一种基于最大熵的自适应BLP访问控制模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第11-26页 |
| 1.1 研究背景与研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-23页 |
| 1.2.1 访问控制研究现状 | 第12-18页 |
| 1.2.2 机器学习研究现状 | 第18-19页 |
| 1.2.3 信息安全中机器学习方法研究现状 | 第19-20页 |
| 1.2.4 机器学习攻防研究现状 | 第20-23页 |
| 1.3 本文主要工作 | 第23-25页 |
| 1.4 论文组织结构 | 第25-26页 |
| 第2章 相关研究 | 第26-33页 |
| 2.1 BLP安全模型 | 第26-30页 |
| 2.1.1 BLP模型的安全特性 | 第26页 |
| 2.1.2 BLP模型的系统安全 | 第26-28页 |
| 2.1.3 BLP模型状态转换规则 | 第28-29页 |
| 2.1.4 BLP模型的优缺点 | 第29-30页 |
| 2.2 最大熵原理 | 第30-31页 |
| 2.3 机器学习攻防技术 | 第31-32页 |
| 2.3.1 对机器学习的攻击技术 | 第31-32页 |
| 2.3.2 对机器学习的攻击的防御技术 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于最大熵的MaxENT-BLP模型 | 第33-37页 |
| 3.1 BLP模型的基本定义 | 第33页 |
| 3.2 BLP规则的发展 | 第33-35页 |
| 3.3 MaxENT理论改进的BLP模型 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 MaxENT-BLP模型的求解与安全证明 | 第37-53页 |
| 4.1 算法流程描述 | 第37-38页 |
| 4.2 算法参数估计 | 第38-41页 |
| 4.3 策略优化算法 | 第41-44页 |
| 4.4 特征选择 | 第44-46页 |
| 4.5 实例分析 | 第46-48页 |
| 4.6 安全性分析和讨论 | 第48-49页 |
| 4.7 和深度学习模型的比较 | 第49-50页 |
| 4.8 关于对抗样本的讨论 | 第50-52页 |
| 4.9 本章小结 | 第52-53页 |
| 第5章 MaxENT-BLP模型的实验与评估 | 第53-62页 |
| 5.1 实验条件和方法 | 第53-54页 |
| 5.2 实验核心代码分析 | 第54-56页 |
| 5.3 实验结果分析 | 第56-60页 |
| 5.4 和深度学习模型的比较的实验结果 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第72-73页 |
| 附录B 攻读学位期间所参与的项目 | 第73页 |
