發(fā)布時(shí)間：2023-02-11 15:36

　　隨著網(wǎng)絡(luò)的不斷發(fā)展,使得網(wǎng)絡(luò)體系結(jié)構(gòu)越來越復(fù)雜,對網(wǎng)絡(luò)的整體安全要求越來越嚴(yán)格,如何確保網(wǎng)絡(luò)的安全性是當(dāng)下亟待解決的問題。網(wǎng)絡(luò)安全態(tài)勢感知技術(shù)能夠動(dòng)態(tài)地了解大規(guī)模網(wǎng)絡(luò)的安全性,從大規(guī)模網(wǎng)絡(luò)中建立完整統(tǒng)一的安全態(tài)勢體系,從中提取態(tài)勢要素對整體網(wǎng)絡(luò)的安全性能進(jìn)行分析,同時(shí)為整體網(wǎng)絡(luò)提供安全策略,預(yù)測安全風(fēng)險(xiǎn)的動(dòng)態(tài)變化趨勢。因此,這種技術(shù)能夠比較好地適應(yīng)網(wǎng)絡(luò)的安全性需求。本文主要針對網(wǎng)絡(luò)安全態(tài)勢要素獲取和態(tài)勢預(yù)測兩方面展開研究,具體工作如下:第一,為了加快深度信念網(wǎng)絡(luò)的收斂速度以及提高小樣本條件下態(tài)勢要素的獲取精度,提出了一種基于批量歸一化的深度信念網(wǎng)絡(luò)安全態(tài)勢要素獲取機(jī)制。一方面在深度信念網(wǎng)絡(luò)中加入批量歸一化以解決梯度消失問題穩(wěn)定網(wǎng)絡(luò)訓(xùn)練;另一方面在深度信念網(wǎng)絡(luò)輸出層提出一種改進(jìn)的主動(dòng)學(xué)習(xí)算法反向微調(diào)深度信念網(wǎng)絡(luò),在每次迭代中主動(dòng)選擇訓(xùn)練樣本來平衡樣本種類。理論分析和實(shí)驗(yàn)數(shù)據(jù)仿真結(jié)果表明該機(jī)制能夠解決深度神經(jīng)網(wǎng)絡(luò)收斂速度過慢或梯度消失,以及小類樣本準(zhǔn)確分類的問題。并在獲取精度、收斂速度以及算法復(fù)雜度上優(yōu)于未改進(jìn)的深度信念網(wǎng)絡(luò)態(tài)勢要素獲取機(jī)制。第二,為了提高網(wǎng)絡(luò)安全態(tài)勢預(yù)測的精度,利用生成對...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 論文研究內(nèi)容
        1.3.2 論文組織結(jié)構(gòu)
第2章 網(wǎng)絡(luò)安全態(tài)勢感知常見模型及方法
    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)勢感知模型
        2.2.1 恩德斯利模型
        2.2.2 Tim Bass模型
        2.2.3 層次化分析的態(tài)勢感知模型
    2.3 網(wǎng)絡(luò)安全態(tài)勢要素獲取研究
        2.3.1 神經(jīng)網(wǎng)絡(luò)
        2.3.2 粗糙集理論
        2.3.3 支持向量機(jī)
        2.3.4 主動(dòng)學(xué)習(xí)
    2.4 網(wǎng)絡(luò)安全態(tài)勢預(yù)測研究
        2.4.1 灰色理論
        2.4.2 徑向基函數(shù)
        2.4.3 ARMA模型
        2.4.4 粒子群優(yōu)化算法
    2.5 本章小結(jié)
第3章 基于BN-DBN的網(wǎng)絡(luò)安全態(tài)勢要素獲取機(jī)制
    3.1 引言
    3.2 網(wǎng)絡(luò)安全態(tài)勢要素獲取框架
    3.3 網(wǎng)絡(luò)安全態(tài)勢要素獲取機(jī)制
        3.3.1 態(tài)勢要素獲取機(jī)制流程
        3.3.2 基于BN-DBN的分層訓(xùn)練
        3.3.3 改進(jìn)的主動(dòng)學(xué)習(xí)(IAL)算法
    3.4 仿真結(jié)果及分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)及樣本選取
        3.4.2 參數(shù)對性能的影響
        3.4.3 獲取精度比較與分析
        3.4.4 復(fù)雜度比較與分析
    3.5 本章小結(jié)
第4章 基于差分WGAN的網(wǎng)絡(luò)安全態(tài)勢預(yù)測
    4.1 引言
    4.2 基于差分WGAN態(tài)勢預(yù)測
        4.2.1 差分WGAN流程圖
        4.2.2 WGAN核心原理描述
    4.3 態(tài)勢預(yù)測流程圖
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)及樣本選取
        4.4.2 實(shí)驗(yàn)結(jié)果分析與對比
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 下一步研究工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3740659