| 中文摘要 | 第1页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·选题背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·网络安全风险评估的研究现状 | 第8-9页 |
| ·网络安全风险评估方法的研究现状 | 第9-10页 |
| ·SVM 的发展及应用现状 | 第10-11页 |
| ·论文的主要工作与组织结构 | 第11-13页 |
| 第二章 网络安全风险评估概述 | 第13-21页 |
| ·网络安全概述 | 第13-14页 |
| ·网络安全风险评估概述 | 第14-16页 |
| ·国内外风险评估标准介绍 | 第16-18页 |
| ·风险评估流程 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 统计学习理论与支持向量机 | 第21-31页 |
| ·统计学习理论 | 第21-23页 |
| ·机器学习问题 | 第21页 |
| ·VC 维及其推广性 | 第21-22页 |
| ·结构风险最小化 | 第22-23页 |
| ·支持向量机理论 | 第23-30页 |
| ·支持向量机模型 | 第23-26页 |
| ·支持向量机训练算法 | 第26-28页 |
| ·支持向量机多分类算法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于 SVM 的网络安全风险评估模型 | 第31-46页 |
| ·网络安全风险评估的对象 | 第31页 |
| ·网络安全风险评估指标体系 | 第31-35页 |
| ·搜集样本数据 | 第35-36页 |
| ·选择SVM 最优训练算法和多分类算法，核函数及其参数 | 第36-40页 |
| ·SVM 工具箱的改进设计 | 第40-43页 |
| ·基于SVM 的网络安全风险评估模型的确立 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 SVM 与 ANN 在网络安全风险评估中的比较研究 | 第46-53页 |
| ·风险评估中的ANN 方法 | 第46-48页 |
| ·SVM 与ANN 的关系探讨 | 第48-49页 |
| ·SVM 和ANN 理论上的对比分析 | 第49-50页 |
| ·SVM 与ANN 评估效果的对比分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| ·论文工作总结 | 第53页 |
| ·下阶段的工作 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录1 训练和测试样本数据（100 个） | 第60-63页 |
| 在学期间发表的学术论文和参加科研情况 | 第63页 |