基于GA-Elman神经网络的网络态势预测模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 论文的主要工作及结构 | 第14-16页 |
| 第2章 网络安全态势感知概述及相关技术研究 | 第16-28页 |
| 2.1 网络安全态势提取 | 第16-19页 |
| 2.1.1 态势指标提取 | 第16-17页 |
| 2.1.2 数据预处理与关联分析 | 第17-19页 |
| 2.2 网络安全态势评估 | 第19-22页 |
| 2.2.1 层次分析法 | 第20页 |
| 2.2.2 数据融合 | 第20-22页 |
| 2.3 网络安全态势预测 | 第22-27页 |
| 2.3.1 时间序列预测方法 | 第22-24页 |
| 2.3.2 灰色理论预测方法 | 第24-26页 |
| 2.3.3 神经网络预测算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于GA-Elman预测模型的构建 | 第28-45页 |
| 3.1 神经网络简介 | 第28-32页 |
| 3.1.1 神经网络的特点 | 第28-29页 |
| 3.1.2 神经网络模型 | 第29-32页 |
| 3.2 标准Elman神经网络模型 | 第32-37页 |
| 3.2.1 Elman神经网络结构 | 第33-34页 |
| 3.2.2 Elman神经网络学习算法 | 第34-37页 |
| 3.3 改进Elman神经网络 | 第37-38页 |
| 3.4 改进Elman神经网络预测模型 | 第38-44页 |
| 3.4.1 改进Elman神经网络的数学模型 | 第38页 |
| 3.4.2 遗传算法训练网络 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 实验结果及分析 | 第45-56页 |
| 4.1 基于GA-Elman态势预测模型的步骤 | 第45-46页 |
| 4.2 实验数据描述和处理 | 第46-49页 |
| 4.2.1 数据特征 | 第46-47页 |
| 4.2.2 攻击类型 | 第47页 |
| 4.2.3 试验数据预处理 | 第47-49页 |
| 4.3 模型选择和参数训练 | 第49-50页 |
| 4.4 实验结果分析 | 第50-53页 |
| 4.5 对比实验分析 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56页 |
| 5.2 研究工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间主要的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
