在當(dāng)前復(fù)雜的網(wǎng)絡(luò)環(huán)境下,惡意攻擊層出不窮,網(wǎng)絡(luò)安全問題日益突顯,此時(shí)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)為樹牢整體網(wǎng)絡(luò)安全觀、及時(shí)監(jiān)測(cè)和動(dòng)態(tài)跟蹤網(wǎng)絡(luò)安全狀態(tài)提供了全面支持。為此,本文對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)方法進(jìn)行深入研究,主要工作與創(chuàng)新點(diǎn)如下:1.構(gòu)建多層次、多維度的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估指標(biāo)體系。本文將網(wǎng)絡(luò)安全態(tài)勢(shì)劃分為威脅子態(tài)勢(shì)、脆弱子態(tài)勢(shì)和基礎(chǔ)運(yùn)行子態(tài)勢(shì),提出底層態(tài)勢(shì)指標(biāo)量化公式,有效解決態(tài)勢(shì)要素維度單一的問題。2.為直觀描述指標(biāo)體系中態(tài)勢(shì)要素間的隱含信息,提出一種基于Inception-CNN的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方法,并構(gòu)建態(tài)勢(shì)要素提取與態(tài)勢(shì)分析一體化的態(tài)勢(shì)評(píng)估模型。本文將卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,CNN）與改進(jìn)后的Inception模塊相結(jié)合,兼顧態(tài)勢(shì)全局特征與細(xì)節(jié)特征,此外,引入高提升濾波加大模型對(duì)不同子態(tài)勢(shì)的敏感度,并構(gòu)造多個(gè)態(tài)勢(shì)評(píng)估器,以獲取整體態(tài)勢(shì)與子態(tài)勢(shì)之間的相關(guān)程度,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)的定量分析。3.針對(duì)態(tài)勢(shì)預(yù)測(cè)數(shù)據(jù)的時(shí)序性特點(diǎn),提出一種基于PSO-MCELman的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法,并構(gòu)建內(nèi)外反饋循環(huán)進(jìn)行的動(dòng)態(tài)預(yù)測(cè)模型。本文通過在傳... 

【文章來源】：中國人民公安大學(xué)北京市

【文章頁數(shù)】：87 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)元結(jié)構(gòu)模型

圖 2.2 前饋型神經(jīng)網(wǎng)絡(luò) 2.3 所示，它與前饋網(wǎng)絡(luò)不同之處在是瞬時(shí)響應(yīng)，而反饋網(wǎng)絡(luò)中同一層神輸入信號(hào)進(jìn)行處理，因此反饋網(wǎng)絡(luò)的圖 2.3 反饋型神經(jīng)網(wǎng)絡(luò)

中國人民公安大學(xué)碩士學(xué)位論文圖 2.2 前饋型神經(jīng)網(wǎng)絡(luò) 2.3 所示，它與前饋網(wǎng)絡(luò)不同之處在是瞬時(shí)響應(yīng)，而反饋網(wǎng)絡(luò)中同一層神輸入信號(hào)進(jìn)行處理，因此反饋網(wǎng)絡(luò)的

【參考文獻(xiàn)】：
期刊論文
[1]應(yīng)用改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J]. 張任川,張玉臣,劉璟,范鈺丹.  計(jì)算機(jī)工程與應(yīng)用. 2019(06)
[2]基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)空間態(tài)勢(shì)感知系統(tǒng)安全評(píng)估[J]. 陳維鵬,敖志剛,郭杰,余勤,童俊.  計(jì)算機(jī)科學(xué). 2018(S2)
[3]深度學(xué)習(xí)的研究進(jìn)展與發(fā)展[J]. 史加榮,馬媛媛.  計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[4]基于改進(jìn)貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估[J]. 李明.  南陽理工學(xué)院學(xué)報(bào). 2018(02)
[5]基于深度自編碼網(wǎng)絡(luò)的安全態(tài)勢(shì)要素獲取機(jī)制[J]. 朱江,明月,王森.  計(jì)算機(jī)應(yīng)用. 2017(03)
[6]基于RNN的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J]. 胡昕.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(06)
[7]網(wǎng)絡(luò)安全態(tài)勢(shì)感知綜述[J]. 龔儉,臧小東,蘇琪,胡曉艷,徐杰.  軟件學(xué)報(bào). 2017(04)
[8]基于RAN-RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型[J]. 甘文道,周城,宋波.  計(jì)算機(jī)科學(xué). 2016(S2)
[9]基于深度學(xué)習(xí)的戰(zhàn)場(chǎng)態(tài)勢(shì)評(píng)估綜述與研究展望[J]. 朱豐,胡曉峰.  軍事運(yùn)籌與系統(tǒng)工程. 2016(03)
[10]基于聚類分析的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方法[J]. 文志誠,陳志剛,唐軍.  上海交通大學(xué)學(xué)報(bào). 2016(09)

博士論文
[1]網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)關(guān)鍵技術(shù)研究[D]. 孟錦.南京理工大學(xué) 2012

碩士論文
[1]改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)和網(wǎng)絡(luò)參數(shù)優(yōu)化算法研究[D]. 梅貴琴.西南大學(xué) 2017
[2]基于GA-Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)模型研究[D]. 陸冬.浙江大學(xué) 2017
[3]基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)技術(shù)研究[D]. 李天騏.華北電力大學(xué)(北京) 2016
[4]網(wǎng)絡(luò)安全態(tài)勢(shì)分析與預(yù)測(cè)方法研究[D]. 王一村.北京交通大學(xué) 2015
[5]基于時(shí)間序列分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型研究[D]. 王雪.北京郵電大學(xué) 2015
[6]基于指標(biāo)融合的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估模型研究[D]. 孫德衡.西北大學(xué) 2012



本文編號(hào)：3525491