网络安全态势要素获取和预测技术的研究

发布时间：2023-02-11 15:36

　　随着网络的不断发展,使得网络体系结构越来越复杂,对网络的整体安全要求越来越严格,如何确保网络的安全性是当下亟待解决的问题。网络安全态势感知技术能够动态地了解大规模网络的安全性,从大规模网络中建立完整统一的安全态势体系,从中提取态势要素对整体网络的安全性能进行分析,同时为整体网络提供安全策略,预测安全风险的动态变化趋势。因此,这种技术能够比较好地适应网络的安全性需求。本文主要针对网络安全态势要素获取和态势预测两方面展开研究,具体工作如下:第一,为了加快深度信念网络的收敛速度以及提高小样本条件下态势要素的获取精度,提出了一种基于批量归一化的深度信念网络安全态势要素获取机制。一方面在深度信念网络中加入批量归一化以解决梯度消失问题稳定网络训练;另一方面在深度信念网络输出层提出一种改进的主动学习算法反向微调深度信念网络,在每次迭代中主动选择训练样本来平衡样本种类。理论分析和实验数据仿真结果表明该机制能够解决深度神经网络收敛速度过慢或梯度消失,以及小类样本准确分类的问题。并在获取精度、收敛速度以及算法复杂度上优于未改进的深度信念网络态势要素获取机制。第二,为了提高网络安全态势预测的精度,利用生成对...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文研究内容和组织结构
        1.3.1 论文研究内容
        1.3.2 论文组织结构
第2章 网络安全态势感知常见模型及方法
    2.1 网络安全态势感知概述
    2.2 网络安全态势感知模型
        2.2.1 恩德斯利模型
        2.2.2 Tim Bass模型
        2.2.3 层次化分析的态势感知模型
    2.3 网络安全态势要素获取研究
        2.3.1 神经网络
        2.3.2 粗糙集理论
        2.3.3 支持向量机
        2.3.4 主动学习
    2.4 网络安全态势预测研究
        2.4.1 灰色理论
        2.4.2 径向基函数
        2.4.3 ARMA模型
        2.4.4 粒子群优化算法
    2.5 本章小结
第3章 基于BN-DBN的网络安全态势要素获取机制
    3.1 引言
    3.2 网络安全态势要素获取框架
    3.3 网络安全态势要素获取机制
        3.3.1 态势要素获取机制流程
        3.3.2 基于BN-DBN的分层训练
        3.3.3 改进的主动学习(IAL)算法
    3.4 仿真结果及分析
        3.4.1 实验数据及样本选取
        3.4.2 参数对性能的影响
        3.4.3 获取精度比较与分析
        3.4.4 复杂度比较与分析
    3.5 本章小结
第4章 基于差分WGAN的网络安全态势预测
    4.1 引言
    4.2 基于差分WGAN态势预测
        4.2.1 差分WGAN流程图
        4.2.2 WGAN核心原理描述
    4.3 态势预测流程图
    4.4 实验结果及分析
        4.4.1 实验数据及样本选取
        4.4.2 实验结果分析与对比
    4.5 本章小结
第5章 总结与展望
    5.1 全文工作总结
    5.2 下一步研究工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3740659