| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 论文背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 网络安全态势感知技术研究现状 | 第12-13页 |
| 1.2.2 网络安全态势感知关键技术研究现状 | 第13-16页 |
| 1.3 本文主要内容及结构 | 第16-19页 |
| 1.3.1 主要内容 | 第16-17页 |
| 1.3.2 本文组织结构 | 第17-19页 |
| 2 网络安全态势感知及其相关技术 | 第19-31页 |
| 2.1 网络安全态势感知 | 第19-20页 |
| 2.2 几种数据挖掘技术 | 第20-25页 |
| 2.2.1 朴素贝叶斯分类模型 | 第20-21页 |
| 2.2.2 粗糙集分类模型 | 第21-23页 |
| 2.2.3 决策树分类算法 | 第23-24页 |
| 2.2.4 遗传算法 | 第24-25页 |
| 2.3 态势评估技术 | 第25-27页 |
| 2.3.1 分层感知技术 | 第25-26页 |
| 2.3.2 综合威胁量化技术 | 第26-27页 |
| 2.4 态势预测方法 | 第27-29页 |
| 2.4.1 马尔科夫预测模型 | 第28页 |
| 2.4.2 模糊理论 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 网络安全态势分析及预测方法设计 | 第31-45页 |
| 3.1 网络安全态势评估框架 | 第31-32页 |
| 3.2 基于Rough set的C4.5分类算法 | 第32-36页 |
| 3.2.1 C4.5分类算法 | 第32-35页 |
| 3.2.2 基于Rough set的C4.5算法改进 | 第35-36页 |
| 3.3 态势量化评估方法 | 第36-40页 |
| 3.3.1 攻击威胁值的量化 | 第37-38页 |
| 3.3.2 基于熵的安全态势权重ω计算 | 第38-39页 |
| 3.3.3 安全态势量化评估 | 第39-40页 |
| 3.4 基于遗传算法的模糊马尔科夫预测模型 | 第40-43页 |
| 3.4.1 模糊马尔科夫链预测模型的建立 | 第41页 |
| 3.4.2 基于遗传算法的模糊隶属函数选取 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 仿真与结果讨论 | 第45-57页 |
| 4.1 基于Rough set的C4.5分类算法仿真 | 第45-52页 |
| 4.1.1 KDD99数据集处理 | 第45-47页 |
| 4.1.2 基于Rough set的数据预处理 | 第47-49页 |
| 4.1.3 分类训练仿真 | 第49-52页 |
| 4.2 安全态势评估与预测方法仿真 | 第52-56页 |
| 4.2.1 安全态势权重计算 | 第52-53页 |
| 4.2.2 基于遗传算法的模糊马尔科夫预测仿真 | 第53-56页 |
| 4.3 本章小结 | 第56-57页 |
| 5 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 学位论文数据集 | 第64页 |