| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 论文研究工作 | 第13-14页 |
| 1.5 论文主要内容及结构 | 第14-16页 |
| 第二章 相关理论研究 | 第16-28页 |
| 2.1 多源日志数据预处理 | 第16-18页 |
| 2.1.1 数据预处理 | 第16-17页 |
| 2.1.2 日志归一化 | 第17-18页 |
| 2.2 多源日志聚合算法 | 第18-22页 |
| 2.2.1 基于贝叶斯分类器的报警聚合方法 | 第18-19页 |
| 2.2.2 基于属性相近度的聚类算法 | 第19-20页 |
| 2.2.3 基于因果关联的异常告警日志分析 | 第20-22页 |
| 2.3 网络安全态势感知研究 | 第22-25页 |
| 2.3.1 网络安全态势感知概念与模型 | 第22-23页 |
| 2.3.2 JDL模型 | 第23-24页 |
| 2.3.3 Tim Bass模型 | 第24-25页 |
| 2.4 多源日志关联方法及风险计算模型 | 第25-27页 |
| 2.4.1 层次分析法 | 第25-26页 |
| 2.4.2 基于攻击图的方法 | 第26页 |
| 2.4.3 风险计算模型 | 第26-27页 |
| 2.5 本章总结 | 第27-28页 |
| 第三章 多源日志聚合算法模型 | 第28-37页 |
| 3.1 相关定义与描述 | 第28-30页 |
| 3.1.1 定义聚合规则 | 第28-29页 |
| 3.1.2 动态自适应时间间隔阈值算法 | 第29-30页 |
| 3.2 改进的动态自适应时间间隔阈值算法 | 第30-31页 |
| 3.3 多源日志聚合模型 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-36页 |
| 3.4.1 实验环境搭建 | 第32-34页 |
| 3.4.2 多源日志聚合算法有效性验证 | 第34-36页 |
| 3.5 本章总结 | 第36-37页 |
| 第四章 多源日志融合算法模型 | 第37-46页 |
| 4.1 流量类异常日志融合 | 第37-38页 |
| 4.2 攻击类事件日志融合 | 第38-42页 |
| 4.2.1 D-S证据理论 | 第39-40页 |
| 4.2.2 改进的加权信任度D-S证据理论 | 第40-41页 |
| 4.2.3 多源日志分析系统 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-45页 |
| 4.3.1 实验环境 | 第42页 |
| 4.3.2 基于改进的加权信任度D-S证据理论有效性验证 | 第42-45页 |
| 4.4 本章总结 | 第45-46页 |
| 第五章 机场网络安全风险预警系统设计与实现 | 第46-58页 |
| 5.1 机场网络构成及系统需求分析 | 第46-49页 |
| 5.1.1 机场网络构成及特点 | 第46-48页 |
| 5.1.2 系统需求分析 | 第48-49页 |
| 5.2 系统总体框架 | 第49-51页 |
| 5.3 数据采集模块实现 | 第51-53页 |
| 5.3.1 SYSLOG采集器 | 第51-52页 |
| 5.3.2 SNMP采集器 | 第52-53页 |
| 5.4 日志预处理模块实现 | 第53页 |
| 5.5 日志分析模块 | 第53-55页 |
| 5.6 风险预警展示 | 第55-57页 |
| 5.7 本章总结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65页 |