摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第15-25页 |
1.1 电力工控网络安全的研究背景及意义 | 第15-16页 |
1.1.1 电力工控网络安全背景 | 第15页 |
1.1.2 电力工控网络安全的研究意义 | 第15-16页 |
1.2 电力工控网络安全的问题描述 | 第16-19页 |
1.3 电力工控网络安全的发展及研究现状 | 第19-22页 |
1.4 论文的主要工作 | 第22-24页 |
1.5 论文章节布局 | 第24-25页 |
2 基于集成学习算法的电力工控网络安全风险监测 | 第25-56页 |
2.1 引言 | 第25-26页 |
2.2 面向电力工控网络的日志分析大数据平台架构及其实现 | 第26-41页 |
2.2.1 日志文件及其特点 | 第26-29页 |
2.2.2 日志分析过程 | 第29-32页 |
2.2.3 日志的结构化 | 第32-36页 |
2.2.4 基于大数据平台的电力工控网络日志分析 | 第36-41页 |
2.3 基于集成学习的系统日志异常分析算法 | 第41-49页 |
2.3.1 系统异常监测目标和方法 | 第41-43页 |
2.3.2 基于时间序列的常见预测算法 | 第43-46页 |
2.3.3 基于时间序列的异常数量集成预测算法及其评估标准 | 第46-49页 |
2.4 实验 | 第49-54页 |
2.4.1 日志文件处理 | 第49-50页 |
2.4.2 时间粒度选择 | 第50-51页 |
2.4.3 实验结果分析 | 第51-54页 |
2.5 本章小结 | 第54-56页 |
3 基于博弈攻防图的电力工控网络安全风险控制 | 第56-88页 |
3.1 引言 | 第56-57页 |
3.2 基于高多样性分值的最优脆弱点评估方法 | 第57-69页 |
3.2.1 通用脆弱点评分系统 | 第57-63页 |
3.2.2 具有高多样性分值的脆弱点评分生成算法 | 第63-69页 |
3.3 基于博弈攻防图的网络安全决策机制 | 第69-79页 |
3.3.1 博弈理论 | 第69-70页 |
3.3.2 状态攻防图 | 第70-72页 |
3.3.3 网络安全博弈模型 | 第72-77页 |
3.3.4 基于累计攻击和危害指数的最优攻防策略生成算法 | 第77-79页 |
3.4 实验 | 第79-86页 |
3.4.1 脆弱点和攻击路径分析 | 第79-84页 |
3.4.2 最优攻防策略 | 第84-86页 |
3.5 本章小结 | 第86-88页 |
4 基于ClassRBM&MTM的电力工控网络安全风险预测 | 第88-113页 |
4.1 引言 | 第88-89页 |
4.2 安全风险预测技术研究 | 第89-95页 |
4.2.1 支持向量机 | 第90-91页 |
4.2.2 贝叶斯网络 | 第91-93页 |
4.2.3 隐马尔科夫 | 第93-95页 |
4.3 基于ClassRBM&MTM的网络状态预测算法 | 第95-104页 |
4.3.1 受限玻尔兹曼机基本结构 | 第95-98页 |
4.3.2 分类受限波尔兹曼机 | 第98-100页 |
4.3.3 基于混合训练方式的分类限制玻尔兹曼机 | 第100-101页 |
4.3.4 马尔科夫时变模型 | 第101-103页 |
4.3.5 基于ClassRBM&MTM的更新算法 | 第103-104页 |
4.4 实验 | 第104-111页 |
4.4.1 数据分类 | 第104-106页 |
4.4.2 网络状态预测 | 第106-111页 |
4.5 本章小结 | 第111-113页 |
5 面向电力工控网络的微聚集差分隐私保护 | 第113-131页 |
5.1 引言 | 第113-114页 |
5.2 基于微聚集差分隐私保护技术的频繁模式挖掘 | 第114-126页 |
5.2.1 频繁模式挖掘 | 第114-117页 |
5.2.2 微聚集算法 | 第117-119页 |
5.2.3 差分隐私保护 | 第119-122页 |
5.2.4 基于指数机制的微聚集差分隐私保护算法 | 第122-126页 |
5.3 实验 | 第126-129页 |
5.3.1 评估数据和指标 | 第126页 |
5.3.2 效用比对 | 第126-129页 |
5.4 本章小结 | 第129-131页 |
6 总结与展望 | 第131-133页 |
致谢 | 第133-134页 |
参考文献 | 第134-145页 |
附录 | 第145页 |