| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 相关概念及其研究现状分析 | 第12-19页 |
| 1.2.1 网络安全态势感知 | 第12-13页 |
| 1.2.2 网络安全态势察觉 | 第13-14页 |
| 1.2.3 网络安全态势特征 | 第14-16页 |
| 1.2.4 特征选择及其研究现状 | 第16-17页 |
| 1.2.5 信息熵与K-means算法及其研究现状 | 第17-19页 |
| 1.3 研究目标与内容 | 第19-21页 |
| 1.3.1 研究目标 | 第19-20页 |
| 1.3.2 研究内容 | 第20-21页 |
| 1.4 论文的组织结构 | 第21-23页 |
| 第二章 基于信息熵和改进K-means聚类的异常检测特征选择方法 | 第23-36页 |
| 2.1 相关研究分析及研究思路 | 第23-25页 |
| 2.2 基于信息熵和相关度的异常检测特征初选 | 第25页 |
| 2.3 基于改进K-means聚类的特征选择 | 第25-28页 |
| 2.3.1 改进K-means聚类算法 | 第26-27页 |
| 2.3.2 基于改进K-means聚类的特征选择过程 | 第27-28页 |
| 2.4 基于信息熵和改进K-means的异常检测特征选择方法 | 第28-29页 |
| 2.5 仿真实验分析 | 第29-35页 |
| 2.5.1 实验数据集与评价指标 | 第29-32页 |
| 2.5.2 实验内容与环境 | 第32页 |
| 2.5.3 改进K-means算法聚类性能分析 | 第32-34页 |
| 2.5.4 所选特征子集分析 | 第34页 |
| 2.5.5 异常检测性能分析 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于随机最小冗余条件互信息和支持向量机的已知攻击特征选择 | 第36-45页 |
| 3.1 相关研究分析研究思路 | 第36-37页 |
| 3.2 随机最小冗余条件互信息算法 | 第37-39页 |
| 3.3 基于LRCMI和SVM的混合已知攻击特征选择方法 | 第39-42页 |
| 3.3.1 基于LRCMI和SVM的已知攻击特征选择方法 | 第39-41页 |
| 3.3.2 算法描述及复杂度分析 | 第41-42页 |
| 3.4 仿真实验分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于混合器模式的动态态势特征选择模型研究 | 第45-59页 |
| 4.1 动态特征选择模型的必要性 | 第45-47页 |
| 4.1.1 概念漂移 | 第45-46页 |
| 4.1.2 新型异常的出现 | 第46页 |
| 4.1.3 新特征的加入 | 第46-47页 |
| 4.2 基于混合器模式的动态特征选择模型结构分析 | 第47-49页 |
| 4.2.1 混合的三种含义 | 第47-48页 |
| 4.2.2 模型结构分析 | 第48-49页 |
| 4.3 动态特征选择算法描述及复杂度分析 | 第49-53页 |
| 4.3.1 新增特征判断模块算法描述 | 第49-50页 |
| 4.3.2 特征子集检验模块算法描述 | 第50-51页 |
| 4.3.3 态势特征重选模块算法描述 | 第51-53页 |
| 4.3.4 复杂度分析 | 第53页 |
| 4.4 仿真实验分析 | 第53-57页 |
| 4.4.1 数据集与实验环境 | 第53-54页 |
| 4.4.2 实验结果及分析 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 结束语 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第66页 |
