| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 当前存在的问题 | 第17页 |
| 1.4 论文的研究内容 | 第17-18页 |
| 1.5 论文的组织结构 | 第18-20页 |
| 第二章 内网安全态势感知指标体系研究 | 第20-34页 |
| 2.1 态势评估指标体系的建立 | 第20-23页 |
| 2.1.1 指标的提取原则 | 第20-21页 |
| 2.1.2 指标体系的构建 | 第21-23页 |
| 2.2 态势感知指标体系权重的确定 | 第23-33页 |
| 2.2.1 确定指标权重的原理 | 第23-24页 |
| 2.2.2 指标体系的整理 | 第24-25页 |
| 2.2.3 确定指标权重的过程 | 第25-33页 |
| 2.3 小结 | 第33-34页 |
| 第三章 基于模糊综合评价法的内网安全态势评估分析 | 第34-44页 |
| 3.1 几种经典的网络安全态势评估方法 | 第34-35页 |
| 3.2 内网安全态势评估的关键技术 | 第35-38页 |
| 3.2.1 数据采集技术 | 第35-37页 |
| 3.2.2 数据挖掘技术 | 第37页 |
| 3.2.3 数据融合技术 | 第37-38页 |
| 3.3 基于模糊综合评价法的内网安全态势评估 | 第38-43页 |
| 3.3.1 模糊综合评价法步骤 | 第38-39页 |
| 3.3.2 内网安全态势评估值计算 | 第39-43页 |
| 3.4 小结 | 第43-44页 |
| 第四章 基于支持向量机回归模型和灰色模型的内网安全态势预测分析 | 第44-53页 |
| 4.1 支持向量机的回归预测方法 | 第44-45页 |
| 4.2 改进的灰色模型预测方法 | 第45-51页 |
| 4.2.1 经典GM(1,1)模型 | 第46-47页 |
| 4.2.2 GM(1,1)模型的缺陷分析 | 第47页 |
| 4.2.3 背景值的优化 | 第47-48页 |
| 4.2.4 预测初值的优化 | 第48-49页 |
| 4.2.5 仿真分析 | 第49-51页 |
| 4.3 支持向量机回归预测与改进的灰色模型相结合的态势预测方法 | 第51-52页 |
| 4.4 小结 | 第52-53页 |
| 第五章 系统的设计与实现 | 第53-62页 |
| 5.1 系统架构设计 | 第53-54页 |
| 5.2 系统各模块的设计与实现 | 第54-61页 |
| 5.2.1 网络拓扑发现模块 | 第54-55页 |
| 5.2.2 网络资产识别模块 | 第55-56页 |
| 5.2.3 脆弱胜信息模块 | 第56页 |
| 5.2.4 威胁性信息模块 | 第56-58页 |
| 5.2.5 流量监控模块 | 第58页 |
| 5.2.6 内网安全态势评估模块 | 第58-59页 |
| 5.2.7 内网安全态势预测模块 | 第59-60页 |
| 5.2.8 内网安全态势可视化模块 | 第60-61页 |
| 5.2.9 报表、日志、用户管理模块 | 第61页 |
| 5.3 小结 | 第61-62页 |
| 第六章 实验与结果分析 | 第62-67页 |
| 6.1 实验环境 | 第62-63页 |
| 6.2 实验结果分析 | 第63-66页 |
| 6.2.1 态势评估结果分析 | 第63-65页 |
| 6.2.2 态势预测结果分析 | 第65-66页 |
| 6.3 小结 | 第66-67页 |
| 结束语 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77页 |