| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 传统信息系统与ICS的异同 | 第11-12页 |
| 1.3 国外ICS现状和管理对策 | 第12-15页 |
| 1.3.1 美国工业控制系统安全现状及成果 | 第12-14页 |
| 1.3.2 其他国家ICS发展状况以及相关国际标准 | 第14-15页 |
| 1.4 我国工业控制系统安全现状 | 第15-16页 |
| 1.5 本文研究内容及安排 | 第16-17页 |
| 第二章 ICS标准以及ICS分级保护 | 第17-29页 |
| 2.1 相关安全标准 | 第17-22页 |
| 2.1.1 IEC62443概述 | 第17-19页 |
| 2.1.2 NIST SP-80082 分析 | 第19-22页 |
| 2.2 基于损失的工业控制系统分级保护 | 第22-27页 |
| 2.2.1 工业控制系统参考模型 | 第22-23页 |
| 2.2.2 IT信息系统分级保护的借鉴意义 | 第23页 |
| 2.2.3 基于损失的ICS信息安全分级保护 | 第23-26页 |
| 2.2.4 工业控制系统安全对策 | 第26-27页 |
| 2.3 典型风险评估方法对比 | 第27-29页 |
| 2.3.1 模糊综合评判法 | 第27页 |
| 2.3.2 BP神经网络的评估方法 | 第27页 |
| 2.3.3 基于贝叶斯网络的评估方法 | 第27页 |
| 2.3.4 故障树分析法 | 第27-28页 |
| 2.3.5 层次分析法 | 第28-29页 |
| 第三章 ICS风险因素权重分析模型 | 第29-42页 |
| 3.1 BP神经网络及其可行性分析 | 第29-31页 |
| 3.1.1 BP神经网络 | 第29-30页 |
| 3.1.2 BP神经网络的可行性分析 | 第30-31页 |
| 3.2 基于GABP神经网络的风险评估模型 | 第31-34页 |
| 3.2.1 风险因素 | 第31-32页 |
| 3.2.2 遗传算法（Genetic Algorithm）实现 | 第32-33页 |
| 3.2.3 GABP神经网络训练及评估流程 | 第33-34页 |
| 3.3 GABP神经网络评估结果分析和风险权重分析 | 第34-37页 |
| 3.3.1 GABP神经网络风险评估 | 第34-36页 |
| 3.3.2 风险因素权重分析 | 第36-37页 |
| 3.4 基于层次分析法的ICS层次结构模型 | 第37-40页 |
| 3.5 一致性检验及层次总排序 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于GB/T 30976.1 的模糊综合评价方法 | 第42-46页 |
| 4.1 引言 | 第42页 |
| 4.2 基于GB/T 30976 模糊综合评价建模分析 | 第42-43页 |
| 4.2.1 模糊综合评价法 | 第42-43页 |
| 4.2.2 隶属度函数的选择 | 第43页 |
| 4.3 实验仿真结果 | 第43-45页 |
| 4.3.1 基于GABP神经网络的权重和基于层次分析法权重对比 | 第43-45页 |
| 4.3.2 针对ICS风险评估的模糊综合评价模型及实验仿真 | 第45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于GABP神经网络的ICS安全评估系统 | 第46-53页 |
| 5.1 系统介绍 | 第46-47页 |
| 5.2 系统需求分析 | 第47-48页 |
| 5.3 系统设计 | 第48-49页 |
| 5.4 风险评估系统的实验仿真 | 第49-52页 |
| 5.4.1 网络训练和评估 | 第49-51页 |
| 5.4.2 基于GB/T30976.1 的在线答题风险评估 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 结束语 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士期间发表的与学位论文 | 第58-59页 |
| 致谢 | 第59-60页 |
