| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文结构安排 | 第14-15页 |
| 第2章 网络安全态势感知相关理论基础 | 第15-26页 |
| 2.1 网络安全态势感知概念 | 第15-16页 |
| 2.2 网络安全态势感知模型 | 第16-19页 |
| 2.2.1 Endsley模型 | 第16-17页 |
| 2.2.2 JDL模型 | 第17-18页 |
| 2.2.3 层次化分析的态势感知模型 | 第18-19页 |
| 2.3 网络安全态势要素获取技术 | 第19-22页 |
| 2.3.1 人工神经网络 | 第19-21页 |
| 2.3.2 神经网络在态势要素获取中的研究现状 | 第21-22页 |
| 2.4 网络安全态势评估技术 | 第22-25页 |
| 2.4.1 贝叶斯网络 | 第23-24页 |
| 2.4.2 贝叶斯网络在网络安全态势评估中的研究现状 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于深度自编码网络的安全态势要素获取机制 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 态势要素获取架构模型 | 第26-28页 |
| 3.3 态势要素获取方法 | 第28-34页 |
| 3.3.1 深度自编码网络 | 第28页 |
| 3.3.2 逐层训练规则 | 第28-31页 |
| 3.3.3 基于AOS-softmax的微调和分类 | 第31-33页 |
| 3.3.4 态势要素获取流程 | 第33-34页 |
| 3.4 实验仿真与分析 | 第34-39页 |
| 3.4.1 实验数据预处理 | 第34-35页 |
| 3.4.2 仿真分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于IGAHP-BN的网络安全态势评估方法 | 第40-57页 |
| 4.1 引言 | 第40页 |
| 4.2 网络安全态势评估模型 | 第40-44页 |
| 4.2.1 态势评估指标选取 | 第40-43页 |
| 4.2.2 态势评估模型描述 | 第43-44页 |
| 4.3 基于IGAHP的指标权重分析 | 第44-48页 |
| 4.3.1 AHP算法 | 第44-45页 |
| 4.3.2 IGSO优化AHP的设计思想 | 第45-48页 |
| 4.4 基于IGAHP-BN的评估方法分析 | 第48-51页 |
| 4.4.1 贝叶斯推理网络结构 | 第48-50页 |
| 4.4.2 主机级安全态势 | 第50页 |
| 4.4.3 网络级安全态势 | 第50-51页 |
| 4.5 实验仿真分析 | 第51-56页 |
| 4.5.1 网络指标权重计算 | 第51-52页 |
| 4.5.2 态势评估结果分析 | 第52-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第65页 |
