基于小世界回声状态网络的网络安全态势预测技术研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8页 |
| 1.3 论文主要研究内容 | 第8-9页 |
| 1.4 论文的组织结构 | 第9-10页 |
| 1.5 本章小结 | 第10-11页 |
| 第二章 基于神经网络的时间序列预测 | 第11-26页 |
| 2.1 网络安全态势时间序列 | 第11-12页 |
| 2.2 预测模型及过程 | 第12-15页 |
| 2.3 神经网络 | 第15-25页 |
| 2.3.1 神经网络的模型建立 | 第15-18页 |
| 2.3.2 神经网络的网络结构 | 第18页 |
| 2.3.3 经典神经网络模型及学习模式 | 第18-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 构建网络安全态势预测体系 | 第26-33页 |
| 3.1 构建网络安全态势体系 | 第26-29页 |
| 3.1.1 网络安全态势的数据量化 | 第26-27页 |
| 3.1.2 网络安全态势的数据特征表示 | 第27-29页 |
| 3.2 建立基于预测的网络安全态势体系 | 第29-32页 |
| 3.2.1 建立网络安全态势体系的预测方法 | 第29-31页 |
| 3.2.2 网络安全态势体系的预测方法 | 第31页 |
| 3.2.3 网络安全态势预测的应用场景分析 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于小世界ESN的网络安全态势预测技术 | 第33-50页 |
| 4.1 建立回声状态神经网络模型 | 第33-34页 |
| 4.2 分析小世界特性 | 第34-35页 |
| 4.3 将小世界现象引入回声状态神经网络 | 第35-36页 |
| 4.4 基于小世界ESN的网络安全态势预测 | 第36-48页 |
| 4.4.1 基于小世界ESN的预测原理及过程 | 第36-39页 |
| 4.4.2 网络安全态势数据样本 | 第39-41页 |
| 4.4.3 网络安全态势数据预测精度 | 第41-42页 |
| 4.4.4 小世界ESN的谱半径范围 | 第42-44页 |
| 4.4.5 小世界ESN的谱半径鲁棒性 | 第44-46页 |
| 4.4.6 小世界ESN的短期记忆性能 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 网络安全态势预测方法对比 | 第50-58页 |
| 5.1 建立BP神经网络模型 | 第50-53页 |
| 5.2 小世界ESN与BP神经网络的预测精度对比 | 第53-55页 |
| 5.3 小世界ESN与BP神经网络的预测速度对比 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士学位期间发表的论文及参加项目 | 第62-63页 |
| 致谢 | 第63页 |
