| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 网络安全态势感知技术研究现状 | 第13-15页 |
| 1.2.2 网络安全态势感知关键技术研究现状 | 第15-17页 |
| 1.3 主要研究内容以及论文结构 | 第17-19页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 论文结构 | 第18-19页 |
| 第2章 网络安全态势感知相关理论与技术 | 第19-30页 |
| 2.1 网络安全态势感知概述 | 第19-20页 |
| 2.1.1 网络安全态势感知定义 | 第19页 |
| 2.1.2 网络安全态势感知与IDS的比较 | 第19-20页 |
| 2.2 基于数据融合的态势感知模型 | 第20-23页 |
| 2.2.1 Endsley理论模型 | 第20页 |
| 2.2.2 JDL模型 | 第20-21页 |
| 2.2.3 Tim Bass功能模型 | 第21-22页 |
| 2.2.4 网络安全态势感知体系框架 | 第22-23页 |
| 2.3 网络安全态势感知相关技术 | 第23-29页 |
| 2.3.1 数据预处理与关联分析 | 第23-26页 |
| 2.3.2 态势评估 | 第26-28页 |
| 2.3.3 态势预测 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于MPGA-HMM的网络安全态势评估方法 | 第30-47页 |
| 3.1 HMM与标准遗传算法分析 | 第30-35页 |
| 3.1.1 HMM模型 | 第30-33页 |
| 3.1.2 标准遗传算法 | 第33-35页 |
| 3.2 基于HMM的网络安全态势评估 | 第35-37页 |
| 3.3 多种群遗传算法优化HMM | 第37-41页 |
| 3.3.1 改进的多种群遗传算法 | 第37-39页 |
| 3.3.2 编码表示与适应度函数设计 | 第39-40页 |
| 3.3.3 算法流程 | 第40-41页 |
| 3.4 仿真实验 | 第41-46页 |
| 3.4.1 实验数据集和预处理 | 第41-43页 |
| 3.4.2 实验结果与分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于CPSO-WNN的网络安全态势预测方法 | 第47-61页 |
| 4.1 神经网络与粒子群算法分析 | 第47-52页 |
| 4.1.1 小波神经网络 | 第47-50页 |
| 4.1.2 粒子群算法 | 第50-52页 |
| 4.2 基于WNN的网络安全态势预测 | 第52-54页 |
| 4.3 混沌粒子群算法优化WNN | 第54-57页 |
| 4.3.1 混沌粒子群算法 | 第54-56页 |
| 4.3.2 算法流程 | 第56-57页 |
| 4.4 仿真实验 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |