基于多尺度熵的加权HMM网络安全态势预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外发展现状 | 第13-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第二章 网络安全态势感知相关技术综述 | 第17-30页 |
| 2.1 态势感知的相关概念 | 第17-19页 |
| 2.2 态势要素提取 | 第19-20页 |
| 2.3 态势评估 | 第20-23页 |
| 2.3.1 层次分析法 | 第21-22页 |
| 2.3.2 数据融合 | 第22-23页 |
| 2.3.3 支持向量机 | 第23页 |
| 2.4 态势预测 | 第23-29页 |
| 2.4.1 时间序列分析法 | 第23-25页 |
| 2.4.2 灰色系统理论 | 第25-26页 |
| 2.4.3 回归分析法 | 第26-28页 |
| 2.4.4 神经网络预测法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于多尺度熵的加权隐马尔可夫模型 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 隐马尔科夫模型 | 第30-33页 |
| 3.2.1 马尔科夫模型 | 第30-31页 |
| 3.2.2 隐马尔科夫模型定义 | 第31-33页 |
| 3.2.3 HMM的基本问题 | 第33页 |
| 3.3 多尺度熵 | 第33-35页 |
| 3.3.1 样本熵 | 第33-34页 |
| 3.3.2 多尺度熵分析 | 第34-35页 |
| 3.4 多尺度熵加权隐马尔科夫预测模型建立 | 第35-37页 |
| 3.5 多尺度熵加权隐马尔科夫预测模型分析 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 网络安全态势预测及分析 | 第39-51页 |
| 4.1 基于多尺度熵的加权HMM算法仿真步骤 | 第39-40页 |
| 4.2 数据集简介及数据处理 | 第40-44页 |
| 4.2.1 数据集介绍 | 第40-41页 |
| 4.2.2 Snort数据提取 | 第41-43页 |
| 4.2.3 数据预处理 | 第43-44页 |
| 4.3 网络安全态势预测 | 第44-50页 |
| 4.3.1 网络安全态势值 | 第44-45页 |
| 4.3.2 多尺度熵的计算 | 第45-46页 |
| 4.3.3 HMM训练 | 第46-47页 |
| 4.3.4 加权态势预测 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 附录A 攻读硕士期间发表的学术论文 | 第58-59页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第59-60页 |
| 致谢 | 第60页 |
