| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-15页 |
| ·研究背景 | 第12-14页 |
| ·网络态势研究现状 | 第12-13页 |
| ·研究所面临的问题 | 第13-14页 |
| ·研究内容和成果 | 第14页 |
| ·论文结构 | 第14-15页 |
| 第二章 相关技术研究 | 第15-27页 |
| ·网络态势的研究 | 第15-18页 |
| ·安全态势 | 第15-16页 |
| ·流量态势 | 第16-17页 |
| ·生存性态势 | 第17-18页 |
| ·数据融合模型 | 第18-21页 |
| ·JDL模型 | 第18-19页 |
| ·OODA循环模型 | 第19-20页 |
| ·Endsley模型 | 第20-21页 |
| ·态势评估方法 | 第21-23页 |
| ·基于数学模型的评估方法 | 第21-22页 |
| ·基于推理的评估方法 | 第22页 |
| ·基于模式识别的评估方法 | 第22-23页 |
| ·态势预测方法 | 第23-24页 |
| ·基于线性化方法的神经网络预测 | 第23-24页 |
| ·基于迭代学习的神经网络预测 | 第24页 |
| ·基于神经网络控制器的神经网络预测 | 第24页 |
| ·面向服务的体系结构 | 第24-26页 |
| ·SOA的基本框架 | 第25页 |
| ·SOA的特点 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 网络态势分析预测模型研究 | 第27-51页 |
| ·模型架构 | 第27-30页 |
| ·需求分析 | 第27页 |
| ·模型结构 | 第27-30页 |
| ·基于切割矩阵的网络态势评估方法 | 第30-40页 |
| ·模式匹配算法概述 | 第30-33页 |
| ·切割矩阵多模式匹配算法 | 第33-37页 |
| ·算法有效性分析 | 第37-39页 |
| ·评估方法的应用 | 第39-40页 |
| ·基于改进BP神经网络态势预测模型 | 第40-50页 |
| ·选取神经网络模型的原因 | 第40页 |
| ·神经网络概述 | 第40-42页 |
| ·BP算法改进方法 | 第42-44页 |
| ·自适应参数的改进BP算法 | 第44-49页 |
| ·改进BP算法性能分析 | 第49页 |
| ·态势预测模型 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 综合网络态势分析、预测原型系统的设计与实现 | 第51-67页 |
| ·综合网络态势管理系统 | 第51-53页 |
| ·态势分析模型总体设计 | 第53-56页 |
| ·总体架构 | 第53-54页 |
| ·系统处理视图 | 第54-55页 |
| ·开发视图 | 第55-56页 |
| ·接口设计 | 第56-59页 |
| ·与拓扑服务的接口 | 第56-58页 |
| ·与流量服务的接口 | 第58-59页 |
| ·与管理平台的接口 | 第59页 |
| ·数据库设计 | 第59-63页 |
| ·拓扑数据库设计 | 第59-61页 |
| ·流量数据库设计 | 第61页 |
| ·态势数据库设计 | 第61-63页 |
| ·数据表之间的关系 | 第63页 |
| ·算法描述 | 第63-66页 |
| ·切割矩阵多模式匹配算法 | 第63-64页 |
| ·改进BP算法 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 原型系统测试与分析 | 第67-72页 |
| ·测试环境 | 第67页 |
| ·态势分析模型测试 | 第67-70页 |
| ·结果分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结束语 | 第72-73页 |
| ·工作总结 | 第72页 |
| ·工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者在学期间取得的学术成果 | 第78页 |