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9-12页 |
1.1.1 网络安全发展趋势 | 第10页 |
1.1.2 主动防御 | 第10-11页 |
1.1.3 攻击预测 | 第11-12页 |
1.2 研究现状 | 第12-14页 |
1.2.1 复合攻击预测研究现状 | 第12-13页 |
1.2.2 面临的主要问题 | 第13-14页 |
1.3 研究内容与意义 | 第14-16页 |
1.3.1 研究内容 | 第14-15页 |
1.3.2 论文创新点 | 第15页 |
1.3.3 研究意义 | 第15-16页 |
1.4 论文的组织结构 | 第16-17页 |
2 预备知识 | 第17-28页 |
2.1 HMM模型简介 | 第17-23页 |
2.1.1 参数评估Forward算法 | 第19-20页 |
2.1.2 状态解码Viterbi算法 | 第20-21页 |
2.1.3 参数训练Baum-Welch算法 | 第21-23页 |
2.2 量子信息处理基本概念 | 第23-27页 |
2.2.1 量子计算的基本概念 | 第23-24页 |
2.2.2 量子态与量子门 | 第24-25页 |
2.2.3 量子并行计算与量子纠缠 | 第25-27页 |
2.3 DARPA数据集简介 | 第27页 |
2.4 本章小节 | 第27-28页 |
3 基于HMM的复合攻击预测 | 第28-48页 |
3.1 复合攻击预测模型 | 第29-32页 |
3.1.1 攻击场景识别模块设计 | 第29页 |
3.1.2 攻击意图识别模块设计 | 第29-30页 |
3.1.3 攻击预测模块设计 | 第30-32页 |
3.2 对HMM建模算法的改进 | 第32-38页 |
3.2.1 增强学习与Forward算法 | 第33-36页 |
3.2.2 对Viterbi算法的改进 | 第36-38页 |
3.3 改进HMM建模算法的实验设计与分析 | 第38-47页 |
3.3.1 实验设计流程 | 第39-40页 |
3.3.2 数据集预处理 | 第40-41页 |
3.3.3 实验结果与分析 | 第41-47页 |
3.4 本章小结 | 第47-48页 |
4 基于量子智能的Q-HMM复合攻击预测 | 第48-77页 |
4.1 量子智能算法 | 第49-59页 |
4.1.1 量子粒子群算法 | 第49-55页 |
4.1.2 提出淘汰机制改进QPSO算法 | 第55-59页 |
4.2 建立复合攻击的TQPSO-HMM模型 | 第59-65页 |
4.2.1 TQPSO算法对HMM模型的参数寻优 | 第59-60页 |
4.2.2 基于TQPSO-HMM的复合攻击预测模型 | 第60-65页 |
4.3 复合攻击预测实验设计与分析 | 第65-76页 |
4.3.1 实验设计流程 | 第66-67页 |
4.3.2 实验结果与分析 | 第67-76页 |
4.4 本章小结 | 第76-77页 |
5 总结与展望 | 第77-79页 |
5.1 总结 | 第77-78页 |
5.2 展望 | 第78-79页 |
参考文献 | 第79-83页 |
致谢 | 第83-84页 |
攻读学位期间取得的科研成果清单 | 第84页 |