| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 网络安全态势感知理论研究现状 | 第12-13页 |
| 1.2.2 网络安全态势感知技术研究现状 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 第2章 网络安全态势预测及其相关技术 | 第18-25页 |
| 2.1 态势感知技术 | 第18-19页 |
| 2.2 网络安全态势感知 | 第19-21页 |
| 2.2.1 网络安全态势感知的概念 | 第19页 |
| 2.2.2 网络安全态势评估体系 | 第19-21页 |
| 2.3 网络安全的态势预测 | 第21-24页 |
| 2.3.1 网络安全态势预测的概念 | 第21-22页 |
| 2.3.2 网络安全态势预测的常用方法 | 第22-24页 |
| 2.4 权重提取和Dempster组合规则 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 网络安全态势评估及预测模型的建立 | 第25-47页 |
| 3.1 网络安全态势评估的数据样本及预处理 | 第25-29页 |
| 3.2 网络安全态势预测评价指标 | 第29-30页 |
| 3.3 组合预测单项模型的确定 | 第30页 |
| 3.4 灰色Verhulst预测模型 | 第30-35页 |
| 3.4.1 灰色Verhulst模型预测原理 | 第31-32页 |
| 3.4.2 自适应灰色参数 | 第32页 |
| 3.4.3 灰色Verhulst预测模型仿真实验及结果分析 | 第32-35页 |
| 3.5 BP神经网络模型 | 第35-39页 |
| 3.5.1 BP神经网络预测原理 | 第35-37页 |
| 3.5.2 BP神经网络参数设置 | 第37页 |
| 3.5.3 BP神经网络预测模型仿真实验及结果分析 | 第37-39页 |
| 3.6 Elman神经网络模型 | 第39-43页 |
| 3.6.1 Elman神经网络预测原理 | 第40-41页 |
| 3.6.2 Elman神经网络参数设置 | 第41页 |
| 3.6.3 Elman神经网络预测模型仿真实验及结果分析 | 第41-43页 |
| 3.7 RBF神经网络模型 | 第43-45页 |
| 3.7.1 RBF神经网络预测原理 | 第43-44页 |
| 3.7.2 RBF神经网络参数设置 | 第44-45页 |
| 3.7.3 RBF神经网络预测模型仿真实验及结果分析 | 第45页 |
| 3.8 各单项预测模型预测能力对比 | 第45-46页 |
| 3.9 本章小结 | 第46-47页 |
| 第4章 多模型权重提取与融合的组合预测技术 | 第47-57页 |
| 4.1 多模型权重提取模型 | 第47-48页 |
| 4.2 多模型权重融合模型 | 第48-49页 |
| 4.3 权重提取仿真 | 第49-51页 |
| 4.4 权重融合仿真 | 第51-52页 |
| 4.5 预测结果分析 | 第52-53页 |
| 4.6 Honey Net数据集补充验证 | 第53-55页 |
| 4.7 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第64页 |
