| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究的背景 | 第7-8页 |
| ·课题研究现状 | 第8-10页 |
| ·研究动机 | 第10页 |
| ·本文组织结构 | 第10-13页 |
| 第二章 网络安全态势感知体系及关键技术 | 第13-23页 |
| ·网络安全态势感知的概念 | 第13-14页 |
| ·网络安全态势感知的关键技术 | 第14-22页 |
| ·数据挖掘技术 | 第14页 |
| ·基于多传感器的数据融合技术 | 第14-16页 |
| ·态势评估技术 | 第16-20页 |
| ·态势预测技术 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于集对分析的网络安全态势评估模型 | 第23-29页 |
| ·集对分析原理 | 第23页 |
| ·应用集对分析进行态势评估的基本步骤 | 第23-25页 |
| ·网络安全态势评估模型 | 第25-27页 |
| ·网络安全态势要素 | 第25-26页 |
| ·网络安全态势评估模型 | 第26-27页 |
| ·应用集对分析进行态势评估的优势 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第四章 网络安全态势预测模型 | 第29-41页 |
| ·基于 ARIMA 的网络安全态势预测模型 | 第29-32页 |
| ·ARIMA 模型简介 | 第29-31页 |
| ·将 ARIMA 模型用于态势预测的基本步骤 | 第31-32页 |
| ·基于 RBF 神经网络的网络安全态势预测模型 | 第32-35页 |
| ·RBF 神经网络的原理简介 | 第32-34页 |
| ·将 RBF 神经网络用于网络安全态势预测的基本步骤 | 第34-35页 |
| ·基于回声状态网络的网络安全态势预测模型 | 第35-39页 |
| ·回声状态网络的原理简介 | 第35-37页 |
| ·将回声状态网络用于网络安全态势预测的基本步骤 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 网络安全态势感知系统实验与结果分析 | 第41-55页 |
| ·实验一：网络安全态势评估实验 | 第41-46页 |
| ·实验环境和实验数据 | 第41-42页 |
| ·实验步骤 | 第42-44页 |
| ·实验结果 | 第44-46页 |
| ·实验二：三种预测模型的实现与比较 | 第46-53页 |
| ·实验环境与实验数据 | 第46页 |
| ·ARIMA 预测实验 | 第46-50页 |
| ·RBF 神经网络预测实验 | 第50页 |
| ·ENSs 预测实验 | 第50-51页 |
| ·预测效果对比 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 主要结论与展望 | 第55-57页 |
| ·主要结论 | 第55-56页 |
| ·展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第61页 |