基于神经网络的网络安全态势感知研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文主要内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 网络安全态势感知基础理论 | 第15-29页 |
| 2.1 网络安全态势感知概念 | 第15-19页 |
| 2.1.1 态势感知定义及模型 | 第15-17页 |
| 2.1.2 与传统技术的比较 | 第17-19页 |
| 2.2 网络安全态势感知方法 | 第19-28页 |
| 2.2.1 网络安全态势评估方法 | 第19-27页 |
| 2.2.2 网络安全态势预测方法 | 第27-28页 |
| 2.3 本章小节 | 第28-29页 |
| 第三章 基于BP神经网络的网络安全态势评估方法 | 第29-41页 |
| 3.1 网络安全态势指标体系设计 | 第29-32页 |
| 3.1.1 指标体系构建原则 | 第29页 |
| 3.1.2 指标体系的构建 | 第29-31页 |
| 3.1.3 指标的安全等级划分 | 第31-32页 |
| 3.2 基于BP神经网络的态势评估模型设计 | 第32-34页 |
| 3.2.1 BP网络的可行性分析 | 第32-33页 |
| 3.2.2 网络安全态势评估模型 | 第33-34页 |
| 3.3 基于BP神经网络的态势评估方法 | 第34-40页 |
| 3.3.1 评估数据源 | 第34-36页 |
| 3.3.2 BP神经网络结构及参数设计 | 第36-39页 |
| 3.3.3 综合评估 | 第39-40页 |
| 3.4 本章小节 | 第40-41页 |
| 第四章 基于RBF网络的网络安全态势预测方法 | 第41-50页 |
| 4.1 预测原理及模型 | 第41-42页 |
| 4.2 遗传算法在RBF神经网络中的应用 | 第42-44页 |
| 4.3 基于自适应遗传算法的RBF网络参数的优化 | 第44-49页 |
| 4.3.1 网络参数优化 | 第44-48页 |
| 4.3.2 遗传机制的改进 | 第48-49页 |
| 4.3.3 网络参数优化流程设计 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 仿真实验与结果分析 | 第50-62页 |
| 5.1 实验环境构建 | 第50-52页 |
| 5.2 态势评估实验 | 第52-57页 |
| 5.2.1 样本数据的选取 | 第52-53页 |
| 5.2.2 BP神经网络的设计 | 第53-54页 |
| 5.2.3 网络训练及测试 | 第54-56页 |
| 5.2.4 结果分析 | 第56-57页 |
| 5.3 态势预测实验 | 第57-61页 |
| 5.3.1 预测数据的选取 | 第57-58页 |
| 5.3.2 RBF网络的设计 | 第58-59页 |
| 5.3.3 对比实验 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 结束语 | 第62-63页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士期间的科研成果 | 第67页 |
