基于粗糙集理论的网络安全态势感知方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-12页 |
| 1.3 主要工作及组织结构 | 第12-15页 |
| 1.3.1 主要工作 | 第12-13页 |
| 1.3.2 论文组织结构 | 第13-15页 |
| 第二章 网络安全态势感知概述 | 第15-20页 |
| 2.1 基础概述 | 第15-18页 |
| 2.1.1 基本研究内容 | 第15-16页 |
| 2.1.2 经典感知框架 | 第16-18页 |
| 2.2 核心技术 | 第18-19页 |
| 2.2.1 特征提取 | 第18页 |
| 2.2.2 网络安全态势评估 | 第18页 |
| 2.2.3 网络安全态势预测 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于综合加权的网络安全态势评估 | 第20-43页 |
| 3.1 引言 | 第20页 |
| 3.2 理论知识 | 第20-24页 |
| 3.2.1 粗糙集理论 | 第20-23页 |
| 3.2.2 层次分析法 | 第23-24页 |
| 3.3 态势评估框架的构建 | 第24-25页 |
| 3.3.1 态势评估框架 | 第24页 |
| 3.3.2 功能模型 | 第24-25页 |
| 3.4 态势指标的权重计算 | 第25-34页 |
| 3.4.1 指标的构建 | 第25-28页 |
| 3.4.2 态势问题描述 | 第28-29页 |
| 3.4.3 态势指标约简 | 第29-31页 |
| 3.4.4 综合权值的计算 | 第31-34页 |
| 3.5 安全态势值的计算 | 第34-36页 |
| 3.5.1 评估目标层的态势值计算 | 第35页 |
| 3.5.2 评估准则层的态势值计算 | 第35页 |
| 3.5.3 态势评估的安全等级 | 第35-36页 |
| 3.6 实验分析 | 第36-42页 |
| 3.6.1 实验环境 | 第36-37页 |
| 3.6.2 数据介绍 | 第37-38页 |
| 3.6.3 属性约简及规则提取 | 第38-40页 |
| 3.6.4 权值计算 | 第40-41页 |
| 3.6.5 态势评估结果分析 | 第41-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 基于RS-BPNN的安全态势预测 | 第43-60页 |
| 4.1 引言 | 第43页 |
| 4.2 神经网络基础 | 第43-48页 |
| 4.2.1 人工神经网络综述 | 第43-45页 |
| 4.2.2 BP神经网络 | 第45-48页 |
| 4.2.3 BP神经网络的优点与缺点 | 第48页 |
| 4.3 RS-BPNN神经网络的构建 | 第48-53页 |
| 4.3.1 RS与BPNN的比较 | 第48-49页 |
| 4.3.2 网络的设计思想 | 第49-50页 |
| 4.3.3 RS-BPNN网络模型的构建 | 第50-51页 |
| 4.3.4 网络参数的优化 | 第51-53页 |
| 4.4 网络安全态势预测建模 | 第53-56页 |
| 4.4.1 预测模型的构建 | 第53-54页 |
| 4.4.2 预测流程 | 第54-55页 |
| 4.4.3 态势预测误差评价 | 第55-56页 |
| 4.5 实验分析 | 第56-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-61页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间学术研究的主要成果 | 第65-66页 |
| 致谢 | 第66页 |
