基于粒子群神经网络的网络安全态势评价研究

发布时间：2023-04-12 02:46

　　近些年互联网得到了迅猛发展,我们的生活也发生了翻天覆地的变化。网络规模不断增大,网络环境也变得越来越复杂,与此同时,网络的攻击技术也在不断地更新,新型的攻击工具在不断地显现出来,例如DDOS攻击,勒索病毒,Parton木马入侵等等,传统的网络安全技术对于这些攻击往往束手无策,网络安全问题因此显得越来越严峻。网络安全态势感知相关概念是近几年中出现在人们的视野中,其主要思想就是对于入侵的相关信息进行提取,理解,评估,然后对于未来的网络安全行为进行预测,研究态势感知技术具有非常重要的意义。本论文首先对于网络安全态势感知的研究背景以及研究意义进行阐述,介绍了传统的网络安全态势感知相关技术,然后对于国内外现有技术进行介绍,从而分析出现有技术所面临的问题以及挑战;随后对于网络安全态势感知基本概念进行介绍。多源数据融合主要目的是对多传感器检测到的多源异构安全数据进行信息融合,将检测到的数据用于态势评估。态势评估是态势感知的核心,是对网络安全状况的定性定量的描述。本文提出了跨层自适应变异粒子群优化算法(cross-layer particle swarm optimization with adapt...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 国内外研究存在问题
    1.3 本文主要内容和论文框架
2 网络安全态势感知
    2.1 网络安全态势感知基本概念
    2.2 网络安全态势感知相关技术
        2.2.1 数据挖掘技术
        2.2.2 数据融合技术
        2.2.3 态势评估技术
        2.2.4 态势预测技术
        2.2.5 态势可视化技术
    2.3 本章小结
3 改进的网络安全态势评估模型
    3.1 传统网络安全态势评估模型
    3.2 改进网络安全态势评估模型
    3.3 本章小结
4 基于改进AMCPSO-DS证据理论的评估算法研究
    4.1 D-S证据理论
    4.2 粒子群优化算法
        4.2.1 粒子群算法基本概念
        4.2.2 跨层自适应变异粒子群算法
    4.3 威胁量化评估
    4.4 实验结果分析
        4.4.1 信息融合性能分析
        4.4.2 态势评估结果
    4.5 本章小结
5 基于RBF神经网络的网络安全态势预测
    5.1 神经网络
        5.1.1 神经网络理论
        5.1.2 神经元学习算法
        5.1.3 径向基神经网络基本概念
    5.2 改进的RBF神经网络
        5.2.1 模糊C-均值聚类
        5.2.2 遗传算法与混合递阶遗传算法
    5.3 预测分析
    5.4 本章小结
结论
    6.1 总结
    6.2 展望
参考文献
后记(含致谢)
攻读学位期间取得的科研成果清单



本文编号：3790268