网络安全态势感知数据融合技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 网络安全态势感知数据融合研究现状 | 第13-18页 |
| 1.2.1 国外研究现状 | 第13-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 论文研究内容 | 第18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第2章 数据融合技术概述 | 第20-31页 |
| 2.1 数据融合定义和过程 | 第20-22页 |
| 2.1.1 数据融合的定义 | 第20-21页 |
| 2.1.2 数据融合的过程 | 第21-22页 |
| 2.2 数据融合功能模型 | 第22-26页 |
| 2.2.1 JDL模型 | 第22-23页 |
| 2.2.2 Endsley模型 | 第23-24页 |
| 2.2.3 Tim Bass模型 | 第24-25页 |
| 2.2.4 其他模型 | 第25-26页 |
| 2.3 数据融合层次结构 | 第26-28页 |
| 2.3.1 数据层融合 | 第26页 |
| 2.3.2 特征层融合 | 第26-27页 |
| 2.3.3 决策层融合 | 第27-28页 |
| 2.4 数据融合技术和方法 | 第28-30页 |
| 2.4.1 随机类方法 | 第28-29页 |
| 2.4.2 人工智能方法 | 第29-30页 |
| 2.5 小结 | 第30-31页 |
| 第3章 灰色关联和属性相似度的融合方法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 属性相似度分析和灰色关联计算 | 第31-34页 |
| 3.2.1 属性相似度分析 | 第31-32页 |
| 3.2.2 灰色关联计算 | 第32-34页 |
| 3.3 提出的告警聚合方法 | 第34-37页 |
| 3.3.1 灰色关联确定属性权重 | 第35-36页 |
| 3.3.2 属性相似度定义和计算函数 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-43页 |
| 3.4.1 数据集说明 | 第37-38页 |
| 3.4.2 告警采集 | 第38-39页 |
| 3.4.3 获得各个属性权重 | 第39-40页 |
| 3.4.4 告警聚合效果分析 | 第40-43页 |
| 3.5 小结 | 第43-45页 |
| 第4章 HMM与改进DS理论的融合决策方法 | 第45-60页 |
| 4.1 引言 | 第45-46页 |
| 4.2 HMM和证据理论分析 | 第46-50页 |
| 4.2.1 隐马尔科夫模型 | 第46-48页 |
| 4.2.2 DS证据融合理论分析 | 第48-50页 |
| 4.3 基于HMM-DS的信息融合分类决策模型 | 第50-53页 |
| 4.3.1 改进的DS证据理论 | 第50-51页 |
| 4.3.2 HMM-DS模型 | 第51-53页 |
| 4.4 实验结果与分析 | 第53-59页 |
| 4.4.1 实验数据构建 | 第53-54页 |
| 4.4.2 数据预处理 | 第54-55页 |
| 4.4.3 模型训练初步识别层 | 第55-57页 |
| 4.4.4 融合分类结果比较 | 第57-59页 |
| 4.5 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录A 攻读学位期间发表的学术论文 | 第68-69页 |
| 附录B 攻读学位期间所参与的研究项目 | 第69-70页 |
| 致谢 | 第70页 |
