近些年互聯(lián)網(wǎng)得到了迅猛發(fā)展,我們的生活也發(fā)生了翻天覆地的變化。網(wǎng)絡(luò)規(guī)模不斷增大,網(wǎng)絡(luò)環(huán)境也變得越來(lái)越復(fù)雜,與此同時(shí),網(wǎng)絡(luò)的攻擊技術(shù)也在不斷地更新,新型的攻擊工具在不斷地顯現(xiàn)出來(lái),例如DDOS攻擊,勒索病毒,Parton木馬入侵等等,傳統(tǒng)的網(wǎng)絡(luò)安全技術(shù)對(duì)于這些攻擊往往束手無(wú)策,網(wǎng)絡(luò)安全問(wèn)題因此顯得越來(lái)越嚴(yán)峻。網(wǎng)絡(luò)安全態(tài)勢(shì)感知相關(guān)概念是近幾年中出現(xiàn)在人們的視野中,其主要思想就是對(duì)于入侵的相關(guān)信息進(jìn)行提取,理解,評(píng)估,然后對(duì)于未來(lái)的網(wǎng)絡(luò)安全行為進(jìn)行預(yù)測(cè),研究態(tài)勢(shì)感知技術(shù)具有非常重要的意義。本論文首先對(duì)于網(wǎng)絡(luò)安全態(tài)勢(shì)感知的研究背景以及研究意義進(jìn)行闡述,介紹了傳統(tǒng)的網(wǎng)絡(luò)安全態(tài)勢(shì)感知相關(guān)技術(shù),然后對(duì)于國(guó)內(nèi)外現(xiàn)有技術(shù)進(jìn)行介紹,從而分析出現(xiàn)有技術(shù)所面臨的問(wèn)題以及挑戰(zhàn);隨后對(duì)于網(wǎng)絡(luò)安全態(tài)勢(shì)感知基本概念進(jìn)行介紹。多源數(shù)據(jù)融合主要目的是對(duì)多傳感器檢測(cè)到的多源異構(gòu)安全數(shù)據(jù)進(jìn)行信息融合,將檢測(cè)到的數(shù)據(jù)用于態(tài)勢(shì)評(píng)估。態(tài)勢(shì)評(píng)估是態(tài)勢(shì)感知的核心,是對(duì)網(wǎng)絡(luò)安全狀況的定性定量的描述。本文提出了跨層自適應(yīng)變異粒子群優(yōu)化算法(cross-layer particle swarm optimization with adapt...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
        1.2.3 國(guó)內(nèi)外研究存在問(wèn)題
    1.3 本文主要內(nèi)容和論文框架
2 網(wǎng)絡(luò)安全態(tài)勢(shì)感知
    2.1 網(wǎng)絡(luò)安全態(tài)勢(shì)感知基本概念
    2.2 網(wǎng)絡(luò)安全態(tài)勢(shì)感知相關(guān)技術(shù)
        2.2.1 數(shù)據(jù)挖掘技術(shù)
        2.2.2 數(shù)據(jù)融合技術(shù)
        2.2.3 態(tài)勢(shì)評(píng)估技術(shù)
        2.2.4 態(tài)勢(shì)預(yù)測(cè)技術(shù)
        2.2.5 態(tài)勢(shì)可視化技術(shù)
    2.3 本章小結(jié)
3 改進(jìn)的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型
    3.1 傳統(tǒng)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型
    3.2 改進(jìn)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型
    3.3 本章小結(jié)
4 基于改進(jìn)AMCPSO-DS證據(jù)理論的評(píng)估算法研究
    4.1 D-S證據(jù)理論
    4.2 粒子群優(yōu)化算法
        4.2.1 粒子群算法基本概念
        4.2.2 跨層自適應(yīng)變異粒子群算法
    4.3 威脅量化評(píng)估
    4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.1 信息融合性能分析
        4.4.2 態(tài)勢(shì)評(píng)估結(jié)果
    4.5 本章小結(jié)
5 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)
    5.1 神經(jīng)網(wǎng)絡(luò)
        5.1.1 神經(jīng)網(wǎng)絡(luò)理論
        5.1.2 神經(jīng)元學(xué)習(xí)算法
        5.1.3 徑向基神經(jīng)網(wǎng)絡(luò)基本概念
    5.2 改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)
        5.2.1 模糊C-均值聚類
        5.2.2 遺傳算法與混合遞階遺傳算法
    5.3 預(yù)測(cè)分析
    5.4 本章小結(jié)
結(jié)論
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
后記(含致謝)
攻讀學(xué)位期間取得的科研成果清單



本文編號(hào)：3790268