| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 研究意义 | 第14页 |
| 1.4.1 理论意义 | 第14页 |
| 1.4.2 实践意义 | 第14页 |
| 1.5 研究创新点 | 第14-15页 |
| 1.6 论文结构 | 第15-17页 |
| 2 网络安全态势感知概述 | 第17-23页 |
| 2.1 网络安全态势感知理论概述 | 第17-19页 |
| 2.1.1 网络安全态势感知概念 | 第17-18页 |
| 2.1.2 网络安全态势感知框架模型 | 第18-19页 |
| 2.2 网络安全态势感知关键技术 | 第19-22页 |
| 2.2.1 网络安全态势评估技术 | 第19-21页 |
| 2.2.2 网络安全态势预测技术 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 隐马尔可夫模型的理论与设计 | 第23-37页 |
| 3.1 隐马尔可夫模型的基础理论 | 第23-26页 |
| 3.1.1 实例分析 | 第24-26页 |
| 3.2 隐马尔可夫模型的基础算法 | 第26-29页 |
| 3.2.1 模型评估Forward算法 | 第26-27页 |
| 3.2.2 解码Viterbi算法 | 第27-29页 |
| 3.2.3 参数学习Baum-Welch算法 | 第29页 |
| 3.3 网络安全态势的隐马尔可夫模型的设计 | 第29-36页 |
| 3.3.1 建立基于隐马尔可夫的网络安全态势模型 | 第30-32页 |
| 3.3.2 设计基于隐马尔可夫的网络安全态势研究思路 | 第32-34页 |
| 3.3.3 设计隐马尔可夫模型对网络安全态势的识别过程 | 第34-35页 |
| 3.3.4 设计隐马尔可夫模型对网络安全态势的预测过程 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 隐马尔可夫模型的关键技术实现 | 第37-47页 |
| 4.1 原始报警信息的处理 | 第37-38页 |
| 4.2 状态转移概率分布矩阵的确定 | 第38-42页 |
| 4.3 观测概率分布矩阵的确定 | 第42页 |
| 4.4 隐马尔可夫模型算法的改进 | 第42-45页 |
| 4.4.1 改进Forward算法 | 第42-43页 |
| 4.4.2 改进Baum-Welch算法 | 第43-45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 仿真实验与分析 | 第47-53页 |
| 5.1 DARPA数据集简介 | 第47页 |
| 5.2 改进前的隐马尔可夫模型 | 第47-49页 |
| 5.3 改进后的隐马尔可夫模型 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 研究总结 | 第53页 |
| 6.2 不足与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间获得的科研成果清单 | 第61页 |
