| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 网络安全现状 | 第13-15页 |
| 1.1.2 研究目的与意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 研究内容与创新点 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 本文的创新点 | 第20-21页 |
| 1.4 文章的组织架构 | 第21-23页 |
| 第二章 网络安全态势评估指标体系优化模型 | 第23-41页 |
| 2.1 概述 | 第23-24页 |
| 2.2 因子分析法 | 第24-29页 |
| 2.2.1 因子分析的数学模型 | 第25-26页 |
| 2.2.2 基于因子载荷矩阵的估计方法 | 第26-27页 |
| 2.2.3 因子旋转 | 第27-28页 |
| 2.2.4 因子得分 | 第28-29页 |
| 2.3 主成分分析法 | 第29-32页 |
| 2.3.1 主成分分析的数学模型 | 第30-31页 |
| 2.3.2 主成分计算步骤 | 第31-32页 |
| 2.4 NSSE指标的优化实施步骤 | 第32页 |
| 2.5 指标优化模型的有效性验证 | 第32-40页 |
| 2.5.1 网络安全要素采集 | 第32-33页 |
| 2.5.2 网络安全事件分析 | 第33-35页 |
| 2.5.3 指标体系构建的原则和权重确定方法 | 第35-36页 |
| 2.5.4 建立网络安全态势评估基本指标体系 | 第36-37页 |
| 2.5.5 指标优化的处理过程 | 第37-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 网络安全态势评估量化模型 | 第41-56页 |
| 3.1 网络安全态势评估 | 第41-43页 |
| 3.1.1 概述 | 第41页 |
| 3.1.2 网络安全态势评估的方法 | 第41-43页 |
| 3.2 基于人工免疫系统基本理论 | 第43-45页 |
| 3.2.1 概述 | 第43-44页 |
| 3.2.2 AIS的一般框架 | 第44-45页 |
| 3.3 网络安全态势评估量化模型的建立 | 第45-49页 |
| 3.3.1 检测器的进化过程 | 第46-47页 |
| 3.3.2 抗原监测过程及原理 | 第47-48页 |
| 3.3.3 态势评估模型的建立 | 第48-49页 |
| 3.4 评估指标的计算 | 第49-51页 |
| 3.4.1 评估指标的选取 | 第49-50页 |
| 3.4.2 评估指标的计算 | 第50-51页 |
| 3.5 其他参数的计算 | 第51-53页 |
| 3.5.1 网络资源的重要性权重 | 第51页 |
| 3.5.2 网络节点的重要性权重 | 第51-52页 |
| 3.5.3 服务的重要性权重 | 第52-53页 |
| 3.6 模型有效性的验证 | 第53-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 网络安全态势预测量化模型 | 第56-71页 |
| 4.1 网络安全态势预测 | 第56-59页 |
| 4.1.1 概述 | 第56页 |
| 4.1.2 网络安全态势预测的可行性分析 | 第56-58页 |
| 4.1.3 网络安全态势预测的方法 | 第58-59页 |
| 4.2 传统灰色模型基本概念 | 第59-61页 |
| 4.2.1 灰色GM(1,1)模型 | 第59-60页 |
| 4.2.2 灰色Verhulst模型 | 第60-61页 |
| 4.3 网络安全风险变化规律分析 | 第61页 |
| 4.4 同维灰数填充的自适应Verhulst态势预测量化模型 | 第61-66页 |
| 4.4.1 模型建立 | 第61-63页 |
| 4.4.2 灰色参数求解 | 第63-64页 |
| 4.4.3 同维灰数填充 | 第64-66页 |
| 4.5 模型有效性检验 | 第66-70页 |
| 4.5.1 数据准备 | 第66页 |
| 4.5.2 模型拟合 | 第66-68页 |
| 4.5.3 模型有效性对比 | 第68-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 本文工作总结 | 第71-72页 |
| 5.2 下一步工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78页 |