| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-16页 |
| ·论文的研究历史背景及意义 | 第11-12页 |
| ·信息安全风险评估的国内外研究现状 | 第12-14页 |
| ·国外信息安全风险评估的发展概况 | 第12-13页 |
| ·国内信息安全风险评估发展现状 | 第13-14页 |
| ·本文的主要研究内容及文章安排 | 第14-16页 |
| 2 信息安全风险评估概述 | 第16-25页 |
| ·信息安全风险评估的概念及要素 | 第16-18页 |
| ·信息安全风险评估标准 | 第18-20页 |
| ·国外信息安全风险评估标准 | 第18-19页 |
| ·国内信息安全风险评估标准 | 第19-20页 |
| ·信息安全风险评估原理 | 第20-22页 |
| ·要素关系模型 | 第20页 |
| ·风险计算模型 | 第20-21页 |
| ·实施流程 | 第21-22页 |
| ·信息安全风险评估方法 | 第22-23页 |
| ·定性评估方法 | 第22-23页 |
| ·定量评估方法 | 第23页 |
| ·定性和定量结合评估方法 | 第23页 |
| ·信息安全风险评估的作用和意义 | 第23-25页 |
| 3 基于量子粒子群优化算法的小波神经网络 | 第25-41页 |
| ·人工神经网络理论 | 第25-27页 |
| ·人工神经网络的一般模型 | 第25-26页 |
| ·BP 神经网络的结构 | 第26页 |
| ·BP 神经网络的学习 | 第26-27页 |
| ·BP 神经网络的特点及局限性 | 第27页 |
| ·小波分析理论 | 第27-29页 |
| ·小波分析原理 | 第27-28页 |
| ·常用小波函数 | 第28-29页 |
| ·小波神经网络 | 第29-33页 |
| ·小波神经网络的提出 | 第29-30页 |
| ·小波神经网络模型 | 第30-31页 |
| ·小波神经网络学习算法 | 第31-33页 |
| ·粒子群算法简介 | 第33-37页 |
| ·粒子群算法的发展历程 | 第33-34页 |
| ·粒子群算法原理 | 第34-35页 |
| ·粒子群算法的流程 | 第35-36页 |
| ·粒子群算法的优势及存在的不足 | 第36-37页 |
| ·量子粒子群算法 | 第37-39页 |
| ·量子粒子群算法概述 | 第37页 |
| ·量子粒子群算法的原理 | 第37-38页 |
| ·量子粒子群算法的流程 | 第38-39页 |
| ·两种算法的比较 | 第39页 |
| ·量子粒子群优化小波神经网络算法 | 第39-41页 |
| 4 信息安全风险评估模型建立及实验仿真 | 第41-49页 |
| ·信息安全风险评估模型的建立 | 第41-46页 |
| ·数据的采集 | 第41页 |
| ·样本数据的获取 | 第41-42页 |
| ·数据的预处理 | 第42-43页 |
| ·基于量子粒子群优化小波神经网络算法的信息安全风险评估模型 | 第43-46页 |
| ·综合评估实验及分析 | 第46-49页 |
| ·量子粒子群优化小波神经网络模型 | 第46-47页 |
| ·小波神经网络模型 | 第47页 |
| ·仿真实验结果对比及分析 | 第47-49页 |
| 5 信息安全风险评估案例分析 | 第49-56页 |
| ·某信息系统的风险评估实施方案 | 第49-51页 |
| ·评估的目标 | 第49页 |
| ·主要任务 | 第49页 |
| ·总体思路 | 第49-50页 |
| ·该系统的网络结构图 | 第50-51页 |
| ·信息系统风险评估实施 | 第51-56页 |
| ·资产的评估 | 第51页 |
| ·威胁评估 | 第51-52页 |
| ·脆弱性评估 | 第52-55页 |
| ·利用量子粒子群优化小波神经网络进行风险评估 | 第55-56页 |
| 6 总结及展望 | 第56-58页 |
| ·论文工作的总结 | 第56页 |
| ·后续工作及展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |