隨著社會的發(fā)展,互聯(lián)網(wǎng)的規(guī)模也在不斷增長,網(wǎng)絡(luò)安全問題層出不窮。網(wǎng)絡(luò)攻擊不僅影響普通個人用戶的網(wǎng)絡(luò)環(huán)境,也嚴重危害到企業(yè)、政府甚至國家的網(wǎng)絡(luò)安全。網(wǎng)絡(luò)安全態(tài)勢評估從整體出發(fā),將多源異構(gòu)的網(wǎng)絡(luò)安全指標有效地融合在一起,全面描述當前網(wǎng)絡(luò)環(huán)境,為網(wǎng)絡(luò)管理決策者提供更為直觀的網(wǎng)絡(luò)安全概況。本文將深度學習應用到態(tài)勢評估領(lǐng)域,采用一維卷積神經(jīng)網(wǎng)絡(luò)（1DCNN）提取態(tài)勢特征,提出了多通道態(tài)勢評估、態(tài)勢特征自適應加權(quán)融合、多模型集成的態(tài)勢評估新思路,具體工作如下:（1）針對當前網(wǎng)絡(luò)安全態(tài)勢評估領(lǐng)域中暫無統(tǒng)一數(shù)據(jù)集的問題,本文通過國家互聯(lián)網(wǎng)應急中心（CNCERT）公開的網(wǎng)絡(luò)安全信息與動態(tài)周報制作網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集。針對數(shù)據(jù)集中存在指標缺失和樣本較少且輕微不平衡的問題,本文分別使用基于KNN的插補算法和Kmeans-SMOTE算法完善數(shù)據(jù)集;（2）針對傳統(tǒng)網(wǎng)絡(luò)安全態(tài)勢評估人工干預多、機器學習方法往往忽略態(tài)勢指標之間隱含關(guān)聯(lián)等問題,本文提出基于深度學習和多通道機制的態(tài)勢評估模型——MC-1DCNN（Multi Channel 1DCNN）。1DCNN的局部感知原理可利用態(tài)勢指標位置信息,更好地學習相鄰態(tài)勢指... 

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 本論文的結(jié)構(gòu)安排
第二章 網(wǎng)絡(luò)安全態(tài)勢評估相關(guān)理論和技術(shù)
    2.1 網(wǎng)絡(luò)安全態(tài)勢感知概述
    2.2 網(wǎng)絡(luò)安全態(tài)勢評估相關(guān)方法
        2.2.1 基于數(shù)學模型的方法
        2.2.2 基于知識推理的方法
        2.2.3 基于模式識別的方法
        2.2.4 三種評估方法的優(yōu)缺點
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 態(tài)勢評估評價指標
    2.5 本章小結(jié)
第三章 MC-1DCNN模型的結(jié)構(gòu)與性能
    3.1 CNCERT及網(wǎng)絡(luò)安全態(tài)勢數(shù)據(jù)集
    3.2 基于1DCNN的態(tài)勢特征提取
    3.3 基于多通道機制的態(tài)勢評估
        3.3.1 態(tài)勢指標分類
        3.3.2 多通道特征提取與融合
    3.4 MC-1DCNN態(tài)勢評估模型
    3.5 實驗與結(jié)果分析
        3.5.1 實驗環(huán)境設(shè)置
        3.5.2 基于1DCNN的態(tài)勢評估性能分析
        3.5.3 MC-1DCNN模型性能分析
        3.5.4 與其他模型對比分析
    3.6 本章小結(jié)
第四章 MC-1DCNN模型的進一步優(yōu)化方法
    4.1 MC-1DCNN模型優(yōu)化方法分析
    4.2 基于特征自適應加權(quán)融合的MC-1DCNN模型
    4.3 基于集成學習的MC-1DCNN模型
        4.3.1 集成學習機制
        4.3.2 基于加權(quán)bagging集成的MC-1DCNN模型
    4.4 實驗與結(jié)果分析
        4.4.1 實驗環(huán)境設(shè)置
        4.4.2 特征自適應加權(quán)融合性能分析
        4.4.3 加權(quán)bagging集成性能分析
    4.5 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果



本文編號：3701650