| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文研究内容和组织结构 | 第14-16页 |
| 1.3.1 论文研究内容 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-16页 |
| 第2章 网络安全态势感知相关理论和技术 | 第16-30页 |
| 2.1 网络安全态势感知概述 | 第16-17页 |
| 2.2 网络安全态势感知模型 | 第17-21页 |
| 2.2.1 态势感知概念模型 | 第18页 |
| 2.2.2 JDL模型 | 第18-20页 |
| 2.2.3 Tim Bass模型 | 第20-21页 |
| 2.3 网络安全态势要素获取研究 | 第21-24页 |
| 2.3.1 粗糙集理论方法 | 第22页 |
| 2.3.2 DS证据理论方法 | 第22-23页 |
| 2.3.3 主成分分析方法 | 第23-24页 |
| 2.4 网络安全态势预测研究 | 第24-29页 |
| 2.4.1 支持向量机模型 | 第24-25页 |
| 2.4.2 灰色理论模型 | 第25页 |
| 2.4.3 神经网络模型 | 第25-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于增强型PNN的网络安全态势要素获取模型 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 层次化态势要素获取框架结构 | 第30-32页 |
| 3.3 安全态势要素获取方法 | 第32-37页 |
| 3.3.1 属性约简 | 第32-33页 |
| 3.3.2 PNN结构优化 | 第33-35页 |
| 3.3.3 态势要素获取过程 | 第35-37页 |
| 3.4 实验结果与分析 | 第37-42页 |
| 3.4.1 实验样本预处理 | 第37-38页 |
| 3.4.2 实验分析与比较 | 第38-41页 |
| 3.4.3 复杂度分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于IPSO-WNN的网络安全态势预测模型 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 WNN模型 | 第43-44页 |
| 4.3 IPSO-WNN建模思想 | 第44-48页 |
| 4.3.1 标准粒子群优化算法 | 第44-45页 |
| 4.3.2 AP聚类与遗传变异思想 | 第45-46页 |
| 4.3.3 惯性权重因子 | 第46-47页 |
| 4.3.4 高斯加权全局极值 | 第47-48页 |
| 4.4 算法分析 | 第48-51页 |
| 4.4.1 IPSO-WNN算法流程 | 第48-49页 |
| 4.4.2 IPSO-WNN算法收敛性 | 第49-51页 |
| 4.4.3 IPSO-WNN算法复杂度 | 第51页 |
| 4.5 数据可预测性分析 | 第51-52页 |
| 4.6 实验结果与分析 | 第52-58页 |
| 4.6.1 数据预处理 | 第52-55页 |
| 4.6.2 收敛速度 | 第55-56页 |
| 4.6.3 隐含层节点数的确定 | 第56页 |
| 4.6.4 预测精度分析 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 全文工作总结 | 第59-60页 |
| 5.2 下一步研究工作 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第67页 |