| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 1. 绪论 | 第13-29页 |
| ·研究背景 | 第13-15页 |
| ·网络安全的相关技术 | 第15-18页 |
| ·信息安全的概念 | 第15页 |
| ·网络安全技术概述 | 第15-18页 |
| ·网络安全态势感知系统框架与技术 | 第18-26页 |
| ·网络安全态势概念 | 第18-19页 |
| ·网络安全态势国内外研究现状 | 第19-24页 |
| ·网络安全态势感知研究内容 | 第24-26页 |
| ·本课题的研究意义 | 第26-27页 |
| ·论文研究内容 | 第27页 |
| ·论文结构 | 第27-29页 |
| 2. 网络安全威胁态势评估模型 | 第29-57页 |
| ·层次化时变多源网络安全威胁态势评估模型 | 第29-42页 |
| ·层次化态势评估方法 | 第29-30页 |
| ·多源信息融合技术 | 第30-32页 |
| ·时变D-S证据理论 | 第32-38页 |
| ·评估模型建立 | 第38-40页 |
| ·实验分析 | 第40-42页 |
| ·基于关联的主机安全威胁态势量化评估方法 | 第42-55页 |
| ·问题的提出 | 第42-43页 |
| ·模块风险关联度 | 第43-45页 |
| ·multi-Dijkstra算法 | 第45-49页 |
| ·模块风险关联度的验证分析 | 第49-53页 |
| ·基于关联的主机安全态势量化评估方法 | 第53-54页 |
| ·算例分析 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 3. 网络系统内部效能态势评估模型 | 第57-68页 |
| ·效能评估的研究意义 | 第57页 |
| ·效能评估概述 | 第57-58页 |
| ·效能评估的基本概念 | 第57页 |
| ·ADC效能评估模型概念 | 第57-58页 |
| ·ADC效能评估模型在网络系统中的应用 | 第58-62页 |
| ·网络系统的动态ADC效能评估模型 | 第62-64页 |
| ·动态ADC效能评估模型应用实例 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 4. 网络安全态势数据自相似性研究 | 第68-79页 |
| ·网络安全态势预测的概述 | 第68-69页 |
| ·可预测性的研究 | 第69-74页 |
| ·可预测性研究的意义 | 第69页 |
| ·可预测性方法对网络安全态势时序的应用 | 第69页 |
| ·自相似性与Hurst指数 | 第69-72页 |
| ·小波分析自相似性 | 第72-74页 |
| ·实验分析 | 第74-77页 |
| ·本章小结 | 第77-79页 |
| 5. 基于HHGA-RBF神经网络的网络安全态势预测模型 | 第79-90页 |
| ·相关理论 | 第79-83页 |
| ·RBF神经网络 | 第79-81页 |
| ·遗传算法理论 | 第81-83页 |
| ·HHGA-RBFNN预测模型 | 第83-87页 |
| ·实验分析 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 6. 基于PSO-SVM的网络安全态势预测模型 | 第90-102页 |
| ·研究背景 | 第90页 |
| ·SVM理论与数学分析 | 第90-93页 |
| ·基于PSO的SVM参数优化 | 第93-95页 |
| ·PSO-SVM预测模型 | 第95-96页 |
| ·实验分析 | 第96-101页 |
| ·本章小结 | 第101-102页 |
| 7. 结束语 | 第102-104页 |
| ·论文总结 | 第102-103页 |
| ·进一步工作 | 第103-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-115页 |
| 附录 | 第115页 |