基于自律计算的网络系统可信性自优化方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·NSSA 技术 | 第9-11页 |
| ·自律计算技术 | 第11-12页 |
| ·自律计算与态势感知的结合 | 第12-13页 |
| ·论文的主要研究内容 | 第13-14页 |
| ·论文的章节安排 | 第14-15页 |
| 第2章 网络安全态势感知技术 | 第15-24页 |
| ·引言 | 第15页 |
| ·网络安全态势感知概述 | 第15-16页 |
| ·网络安全态势感知相关理论 | 第16-20页 |
| ·网络安全态势要素提取 | 第16-17页 |
| ·网络安全态势评估 | 第17-20页 |
| ·网络安全态势预测 | 第20页 |
| ·网络安全态势感知典型框架 | 第20-23页 |
| ·JDL 功能结构框架模型 | 第20-21页 |
| ·Endsley 态势感知模型 | 第21-22页 |
| ·Tim Bass 安全融合结构 | 第22页 |
| ·NSAS 通用框架 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于自律计算的网络安全态势感知模型 | 第24-47页 |
| ·引言 | 第24页 |
| ·自律计算技术 | 第24-30页 |
| ·自律计算概念及属性 | 第24-26页 |
| ·自律计算系统的组成 | 第26-28页 |
| ·自律计算的策略知识 | 第28-30页 |
| ·基于自律计算的网络安全态势感知模型 | 第30-34页 |
| ·Agent 协同层 | 第31-32页 |
| ·传感器和效应器 | 第32-33页 |
| ·自主管理器 | 第33-34页 |
| ·态势提取 | 第34-38页 |
| ·数据预处理 | 第35-36页 |
| ·数据融合 | 第36-38页 |
| ·自主响应 | 第38-42页 |
| ·攻击实时危险评估 | 第39-41页 |
| ·自主响应与决策 | 第41-42页 |
| ·仿真实验及性能分析 | 第42-46页 |
| ·实验方案 | 第43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于云模型的网络安全态势自主评估方法 | 第47-65页 |
| ·引言 | 第47-48页 |
| ·云的相关理论 | 第48-54页 |
| ·云的基本概念 | 第48-49页 |
| ·云的数字特征 | 第49-51页 |
| ·云发生器 | 第51-53页 |
| ·云重心综合评估方法 | 第53-54页 |
| ·基于云模型的网络安全态势自主评估方法 | 第54-57页 |
| ·基于 GA-BPNN 的态势预测 | 第57-60页 |
| ·态势预测的 BPNN 结构 | 第57-58页 |
| ·改进的 GA 优化 BPNN 态势预测模型 | 第58-60页 |
| ·仿真实验 | 第60-64页 |
| ·态势评估 | 第60-63页 |
| ·态势预测 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·前景展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间的研究成果 | 第72页 |
