基于数据融合的网络安全态势定量感知方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景 | 第9-10页 |
| ·网络安全态势感知 | 第10-12页 |
| ·NSSA概念描述 | 第10-11页 |
| ·NSSA国内外研究现状分析 | 第11-12页 |
| ·数据融合在网络安全中的应用分析 | 第12-13页 |
| ·本文的主要工作和组织结构 | 第13-15页 |
| ·研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第2章 实现NSSA的若干数据融合关键技术 | 第15-27页 |
| ·数据融合理论基础 | 第15-20页 |
| ·数据融合的层次化描述 | 第15-18页 |
| ·数据融合的数学模型 | 第18-20页 |
| ·态势感知与数据融合 | 第20-24页 |
| ·层次化NSSA模型 | 第20-22页 |
| ·JDL数据融合模型 | 第22-23页 |
| ·态势感知与数据融合相同点 | 第23-24页 |
| ·基于数据融合实现NSSA的关键技术 | 第24-26页 |
| ·特征提取 | 第24-25页 |
| ·事件聚类 | 第25页 |
| ·事件关联 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于进化神经网络的态势要素提取 | 第27-46页 |
| ·人工神经网络的引入 | 第27-35页 |
| ·人工神经网络基础 | 第27-31页 |
| ·常用神经网络训练算法 | 第31-34页 |
| ·BP神经网络设计存在的问题 | 第34-35页 |
| ·进化神经网络模型的设计与实现 | 第35-41页 |
| ·进化策略概述 | 第35-36页 |
| ·ENN模型的训练 | 第36-39页 |
| ·算法描述 | 第39-41页 |
| ·实验结果及分析 | 第41-45页 |
| ·原始数据描述 | 第41-42页 |
| ·实验数据准备 | 第42页 |
| ·实验结果及分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于RST的网络安全态势量化方法 | 第46-54页 |
| ·粗糙集的几个重要概念 | 第46-47页 |
| ·不可分辨关系 | 第46页 |
| ·上下近似集及边界域 | 第46-47页 |
| ·知识的相对约简和相对核 | 第47页 |
| ·NSSA量化方法 | 第47-50页 |
| ·问题描述 | 第47-48页 |
| ·网络安全态势建模 | 第48-49页 |
| ·基于RST的态势要素权重计算 | 第49-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表论文和取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
