| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 基本概念与模型 | 第8-10页 |
| 1.1.1 信息安全基本概念 | 第8-9页 |
| 1.1.2 信息安全风险评估的概念 | 第9页 |
| 1.1.3 信息安全风险评估模型 | 第9-10页 |
| 1.2 信息安全风险评估的意义 | 第10-12页 |
| 1.2.1 基于BS7799的风险接受标准 | 第10-11页 |
| 1.2.2 边际产出原理 | 第11-12页 |
| 1.3 相关研究状况 | 第12-14页 |
| 1.3.1 国外研究状况调研 | 第12页 |
| 1.3.2 国内研究状况调研 | 第12-14页 |
| 1.4 本文研究工作 | 第14-15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 基于故障树建模法的信息安全评估模型 | 第17-23页 |
| 2.1 建立评估模型逻辑关系 | 第17-18页 |
| 2.2 基于故障树原理的建模方法 | 第18-19页 |
| 2.2.1 建立故障树逻辑关系 | 第18页 |
| 2.2.2 故障树建模法中的计算 | 第18-19页 |
| 2.3 构建信息安全风险故障树 | 第19-21页 |
| 2.4 权重分配 | 第21-23页 |
| 第三章 动态威胁值的统计与计算方法 | 第23-31页 |
| 3.1 统计CNCERT网络安全事件 | 第23-26页 |
| 3.2 计算动态威胁值 | 第26-31页 |
| 3.2.1 划分安全风险因素 | 第26-27页 |
| 3.2.2 计算动态威胁值 | 第27-31页 |
| 第四章 信息安全风险值的计算 | 第31-38页 |
| 4.1 匹配安全脆弱性 | 第31-34页 |
| 4.1.1 安全脆弱性划分与数值匹配 | 第31-33页 |
| 4.1.2 匹配脆弱性与动态威胁值 | 第33-34页 |
| 4.2 计算风险值 | 第34-38页 |
| 第五章 风险矩阵的标准化处理 | 第38-43页 |
| 5.1 风险矩阵标准化处理 | 第38-39页 |
| 5.2 基于极差变换法的风险矩阵标准化 | 第39-40页 |
| 5.3 基于向量归一化法的风险矩阵标准化 | 第40-41页 |
| 5.4 基于S型曲线变换法的风险矩阵标准化 | 第41-43页 |
| 第六章 基于智能网络的仿真实验 | 第43-63页 |
| 6.1 智能网络概述 | 第43页 |
| 6.2 实验环境与性能评估 | 第43-45页 |
| 6.3 基于BP神经网络的信息安全风险预测实验模型 | 第45-46页 |
| 6.4 基于BP神经网络的预测实验 | 第46-52页 |
| 6.4.1 基于BP神经网络与原始决策矩阵的预测实验 | 第46-48页 |
| 6.4.2 基于BP神经网络与极差变化的预测实验 | 第48-49页 |
| 6.4.3 基于BP神经网络与向量归一变换的预测实验 | 第49-51页 |
| 6.4.4 基于BP神经网络与S型曲线变换的预测实验 | 第51-52页 |
| 6.5 基于GRNN神经网络的信息安全风险预测实验模型 | 第52-53页 |
| 6.6 基于GRNN神经网络的预测实验 | 第53-60页 |
| 6.6.1 基于GRNN神经网络与原始决策矩阵的预测实验 | 第54-55页 |
| 6.6.2 基于GRNN神经网络与极差变换的预测实验 | 第55-57页 |
| 6.6.3 基于GRNN神经网络与向量归一变换的预测实验 | 第57-58页 |
| 6.6.4 基于GRNN神经网络与S型曲线变换的预测实验 | 第58-60页 |
| 6.7 实验结果分析与对比 | 第60-63页 |
| 第七章 结论 | 第63-64页 |
| 7.1 主要结论 | 第63页 |
| 7.2 研究工作展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 在学期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
