基于GA-RBF神经网络的网络安全态势感知系统的研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 网络安全态势感知框架 | 第10页 |
| 1.2.2 网络安全态势预测模型 | 第10-11页 |
| 1.3 存在的问题 | 第11页 |
| 1.4 主要工作与论文结构 | 第11-13页 |
| 1.4.1 本文主要工作 | 第11页 |
| 1.4.2 本文组织结构 | 第11-13页 |
| 第二章 态势评估体系框架及关键技术研究 | 第13-27页 |
| 2.1 态势评估体系框架和方法 | 第13-16页 |
| 2.1.1 基于数学模型评估方法 | 第14-15页 |
| 2.1.2 基于知识推理的评估方法 | 第15页 |
| 2.1.3 基于模式识别的评估方法 | 第15-16页 |
| 2.2 态势要素提取关键技术研究 | 第16-23页 |
| 2.2.1 态势评估指标体系的构建原则 | 第16页 |
| 2.2.2 模糊综合评价指标体系的建立 | 第16-18页 |
| 2.2.3 评价矩阵构建和权重向量确定 | 第18-23页 |
| 2.3 态势理解关键技术研究 | 第23-26页 |
| 2.3.1 关联分析技术 | 第23-24页 |
| 2.3.2 安全事件分析 | 第24-25页 |
| 2.3.3 威胁传播分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 区域网络NSSA态势预测模型研究 | 第27-37页 |
| 3.1 态势预测模型的研究与对比 | 第27-29页 |
| 3.1.1 基于时间序列的分析预测方法 | 第27-28页 |
| 3.1.2 基于灰色系统理论的预测方法 | 第28页 |
| 3.1.3 基于机器学习的预测方法 | 第28-29页 |
| 3.2 径向基函数神经网络概述和建立 | 第29-32页 |
| 3.2.1 径向基函数神经网络的基本概念 | 第29-31页 |
| 3.2.2 径向基函数神经网络训练过程 | 第31-32页 |
| 3.3 基于GA-RBF神经网络的预测模型 | 第32-35页 |
| 3.3.1 GA与RBF神经网络的结合 | 第32页 |
| 3.3.2 GA-RBF态势预测原理和过程 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 网络安全态势感知系统设计与实现 | 第37-44页 |
| 4.1 态势感知系统功能需求定位 | 第37-38页 |
| 4.2 面向区域网络的NSSA系统总体设计 | 第38-42页 |
| 4.2.1 态势感知系统设计 | 第38-40页 |
| 4.2.2 态势感知结构设计 | 第40-42页 |
| 4.3 态势感知系统详细设计与实现 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 网络安全态势感知系统应用及验证 | 第44-48页 |
| 5.1 系统实现平台和实现环境 | 第44-45页 |
| 5.2 态势预测模型验证及应用 | 第45-47页 |
| 5.2.1 预测结果对比 | 第45-46页 |
| 5.2.2 模型应用实际效果 | 第46-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 个人简介及攻读硕士学位期间论文发表情况 | 第52页 |
