基于攻擊意圖的網(wǎng)絡(luò)安全態(tài)勢(shì)感知研究

第1章 網(wǎng)絡(luò)安全態(tài)勢(shì)感知
1.1 網(wǎng)絡(luò)安全態(tài)勢(shì)感知研究范圍
1.2 研究背景
1.3 研究目標(biāo)
1.4 研究?jī)?nèi)容
第2章 網(wǎng)絡(luò)安全態(tài)勢(shì)感知綜述
2.1 網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型
2.2 網(wǎng)絡(luò)安全態(tài)勢(shì)要素提取模型
2.3 網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估技術(shù)
2.4 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)技術(shù)
2.5 態(tài)勢(shì)預(yù)測(cè)的經(jīng)典模型
2.5.1 基于時(shí)間序列的態(tài)勢(shì)預(yù)測(cè)模型
2.5.2 基于灰色理論的態(tài)勢(shì)預(yù)測(cè)模型
第3章 基于并行約簡(jiǎn)的態(tài)勢(shì)要素提取方法
3.1 粗糙集的基本理論
3.2 連續(xù)屬性離散化
3.3 經(jīng)典的屬性約簡(jiǎn)算法
3.4 基于并行約簡(jiǎn)的態(tài)勢(shì)要素提取算法
3.4.1 構(gòu)建態(tài)勢(shì)要素信息集合
3.4.2 建立態(tài)勢(shì)要素屬性重要度矩陣
3.4.3 算法描述
3.5 實(shí)驗(yàn)與分析
3.5.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
3.5.2 性能評(píng)價(jià)指標(biāo)
3.5.3 實(shí)驗(yàn)過程與結(jié)果分析
第4章 基于鄰域粗糙集的態(tài)勢(shì)要素提取方法
4.1 鄰域粗糙集的基本理論
4.2 鄰域半徑的影響
4.3 基于鄰域粗糙集的態(tài)勢(shì)要素提取算法
4.3.1 鄰域半徑的設(shè)定
4.3.2 鄰域并行約簡(jiǎn)
4.3.3 鄰域?qū)傩灾匾染仃?br /> 4.3.4 算法描述
4.4 實(shí)驗(yàn)與分析
4.4.1 實(shí)驗(yàn)數(shù)據(jù)與評(píng)價(jià)標(biāo)準(zhǔn)
4.4.2 實(shí)驗(yàn)過程與結(jié)果分析
第5章 基于改進(jìn)AMCPSO-DS證據(jù)理論的態(tài)勢(shì)評(píng)估
5.1 基于改進(jìn)AMCPSO-DS證據(jù)理論的態(tài)勢(shì)評(píng)估模型
5.1.1 傳統(tǒng)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型
5.1.2 改進(jìn)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型
5.2 基于改進(jìn)AMCPSO-DS證據(jù)理論的態(tài)勢(shì)評(píng)估算法
5.2.1 D-S證據(jù)理論
5.2.2 粒子群優(yōu)化算法
5.2.3 威脅量化評(píng)估
5.2.4 實(shí)驗(yàn)分析
第6章 基于CRIT-LSTM的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)
6.1 對(duì)LSTM神經(jīng)網(wǎng)絡(luò)的改進(jìn)
6.1.1 網(wǎng)絡(luò)安全態(tài)勢(shì)感知應(yīng)用場(chǎng)景的問題分析
6.1.2 深層堆疊的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
6.1.3 ReLU改進(jìn)的LSTM單元結(jié)構(gòu)
6.1.4 CE函數(shù)改進(jìn)的損失評(píng)價(jià)過程
6.2 基于CRIT-LSTM的網(wǎng)絡(luò)安全態(tài)勢(shì)感知相關(guān)方法
6.2.1 網(wǎng)絡(luò)安全態(tài)勢(shì)感知流程
6.2.2 數(shù)據(jù)處理
6.2.3 態(tài)勢(shì)量化
6.2.4 態(tài)勢(shì)呈現(xiàn)
6.3 網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)
6.3.1 網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)框架
6.3.2 實(shí)現(xiàn)平臺(tái)與數(shù)據(jù)集
6.3.3 網(wǎng)絡(luò)安全態(tài)勢(shì)理解與評(píng)估
6.3.4 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)
第7章 基于隱馬爾可夫模型在復(fù)合式攻擊預(yù)測(cè)
7.1 基于隱馬爾可夫模型在復(fù)合式攻擊預(yù)測(cè)模型
7.1.1 隱馬爾可夫模型算法
7.1.2 對(duì)HMM建模算法的改進(jìn)
7.1.3 復(fù)合式攻擊的隱馬爾可夫模型的建立
7.1.4 基于隱馬爾可夫模型在復(fù)合式攻擊中的預(yù)測(cè)
7.2 基于隱馬爾可夫模型的預(yù)警系統(tǒng)的建立
7.2.1 系統(tǒng)設(shè)計(jì)目標(biāo)
7.2.2 預(yù)警系統(tǒng)模型
7.2.3 預(yù)警系統(tǒng)的體系結(jié)構(gòu)
7.3 實(shí)驗(yàn)分析
7.3.1 實(shí)驗(yàn)數(shù)據(jù)介紹
7.3.2 實(shí)驗(yàn)結(jié)果及分析
第8章 基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)
8.1 改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)
8.1.1 FCM算法
8.1.2 遺傳算法與混合遞階遺傳算法
8.2 實(shí)驗(yàn)分析
參考文獻(xiàn)