网络安全态势评估与预测方法的研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景 | 第9-11页 |
| ·网络安全态势研究现状 | 第11-15页 |
| ·研究意义 | 第15页 |
| ·本文研究的内容 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 网络安全态势评估模型 | 第18-23页 |
| ·网络安全态势评估概念 | 第18页 |
| ·层次化的网络安全态势评估模型 | 第18-21页 |
| ·概念 | 第19页 |
| ·服务的安全评估 | 第19-20页 |
| ·主机的安全评估 | 第20-21页 |
| ·系统的安全评估 | 第21页 |
| ·灰色关联分析的网络安全态势评估模型 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 网络安全态势评估与预测理论 | 第23-34页 |
| ·多维云模型与熵权理论 | 第23-27页 |
| ·云模型的性质 | 第23页 |
| ·正向云发生器 | 第23-24页 |
| ·逆向云发生器 | 第24-25页 |
| ·前件云发生器和后件云发生器 | 第25-26页 |
| ·多维云模型 | 第26-27页 |
| ·相乘法 | 第27页 |
| ·粒子群优化RBF神经网络 | 第27-33页 |
| ·PSO-RBF神经网络概述 | 第27页 |
| ·粒子群优化算法概述 | 第27-28页 |
| ·粒子群算法原理 | 第28页 |
| ·粒子群算法的数学描述 | 第28-29页 |
| ·算法流程 | 第29-30页 |
| ·RBF神经网络结构 | 第30-31页 |
| ·粒子群优化RBF神经网络 | 第31页 |
| ·粒子群优化RBF神经网络权值 | 第31-32页 |
| ·粒子群优化RBF神经网络 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第四章 网络安全态势的评估 | 第34-44页 |
| ·多维云模型与熵权理论的态势评估 | 第34-36页 |
| ·确定风险指标集 | 第34页 |
| ·风险隶属度的确定 | 第34-35页 |
| ·权重的确定 | 第35页 |
| ·风险值的计算 | 第35-36页 |
| ·风险等级的确定 | 第36-37页 |
| ·风险等级的划分 | 第36页 |
| ·风险特征值的确定 | 第36-37页 |
| ·主机风险的评估 | 第37-41页 |
| ·安全事件发生云模型 | 第37-38页 |
| ·安全事件损失云模型 | 第38-40页 |
| ·隶属度矩阵计算 | 第40-41页 |
| ·计算风险分量权值与风险等级权值 | 第41页 |
| ·计算主机风险值 | 第41页 |
| ·网络安全态势的评估 | 第41-42页 |
| ·实验结果分析 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第五章 网络安全态势的预测 | 第44-50页 |
| ·网络安全态势预测概述 | 第44页 |
| ·网络安全态势的预测原理 | 第44-45页 |
| ·网络安全态势预测过程 | 第45-47页 |
| ·PSO-RBF神经网络预测 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第六章 总结和展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 在学期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
