网络安全态势感知中态势要素获取技术的研究

网络安全态势感知中态势要素获取技术的研究

论文摘要

计算机和网络技术的不断发展,为我们的生活带来了很多方便,但由于网络的开放性和共享性,也不可避免的引入了安全隐患。目前针对网络设备和网络服务的攻击行为朝着组合式、分布式、间接式、复杂化的方向发展。在这种情况下开展网络安全态势感知的研究是非常有必要的。网络安全态势感知技术不同于以往的网络安全技术,它是一种主动的网络安全技术,通过态势提取、态势理解、态势预测三个过程来保证网络的安全。态势要素提取是整个态势感知过程的基础,意义重大,本文对态势要素提取技术进行了的研究,深入的研究了网络安全态势要素获取技术中的属性约简过程和分类过程。首先,针对属性约简技术中Pawlak经典粗糙集理论不适合处理网络数据这一问题,将粒度计算引入广义粗糙集理论中来对网络数据进行属性约简操作。在广义粗糙集的基础上对属性集合所蕴含知识的粒度进行量化描述,对属性的重要程度进行量化描述,并证明了相关性质,在此基础上提出了一种属性约简算法,通过该算法可以求得原属性集合的一个最优约简。其次,针对分类技术中BP神经网络容易陷入局部最小值、收敛速度慢的缺点,本文设计一种自适应遗传算法(IGA)来训练神经网络。在设计遗传算法的时候把种群划分为精英团体和普通团体两个部分,根据两个团体之间的适应度距离来自适应的调节种群的变异强度,从而可以避免种群早熟,进而更快的搜索到问题的全局最优解。最后,通过实验验证了本文于态势要素获取技术中所涉及的属性约简和分类这两方面所做的工作的有效性。先利用本文所设计的属性约简算法求得实验数据集的一个约简子集,然后分别用约简子集和原始数据集训练神经网络,通过对比不同数据集上神经网络的收敛性和泛化能力,验证了属性约简子集的优越性,进而验证了属性约简算法的有效性;并在约简子集上通过实验验证了本文所设计的IGA神经网络收敛速度快,分类精度高。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题研究背景
  • 1.2 课题研究现状
  • 1.2.1 国外研究现状
  • 1.2.2 国内研究现状
  • 1.3 课题研究的内容
  • 1.4 课题研究的意义
  • 1.5 论文组织结构
  • 第2章 基础知识及关键技术
  • 2.1 态势感知基础知识分析
  • 2.1.1 层次化NSSA模型
  • 2.1.2 NSSA与IDS的比较
  • 2.1.3 态势要素获取技术概述
  • 2.2 属性约简技术介绍
  • 2.2.1 对关系的描述
  • 2.2.2 Pawlak粗糙集理论
  • 2.2.3 关系信息系统与属性约简
  • 2.2.4 广义粗糙集理论
  • 2.3 人工神经网络
  • 2.3.1 人工神经网络简介
  • 2.3.2 多层前馈神经网络
  • 2.3.3 感知器与delta法则
  • 2.3.4 BP算法
  • 2.4 遗传算法介绍
  • 2.4.1 生物进化理论
  • 2.4.2 遗传算法的基本思想
  • 2.5 本章小结
  • 第3章 设计基于知识粒度的属性约简算法
  • 3.1 Pawlak粗糙集的局限性
  • 3.2 广义粗糙集的引入
  • 3.3 基于知识粒度的属性约简
  • 3.3.1 对知识的粒度进行量化
  • 3.3.2 相关性质的证明
  • 3.3.3 对属性重要程度量化
  • 3.3.4 属性约简算法的设计
  • 3.4 属性约简实例分析
  • 3.4.1 诱导相应关系
  • 3.4.2 计算后继邻域
  • 3.4.3 求次优属性子集
  • 3.4.4 求最优属性子集
  • 3.5 本章小结
  • 第4章 设计用于训练神经网络的遗传算法
  • 4.1 人工神经网络的引入
  • 4.1.1 态势要素获取的本质分析
  • 4.1.2 神经网络与分类
  • 4.2 BP神经网络存在的问题
  • 4.2.1 BP神经网络
  • 4.2.2 BP神经网络的缺点
  • 4.2.3 遗传算法优化技术
  • 4.3 遗传算法的设计
  • 4.3.1 算法具体细节
  • 4.3.2 算法主要步骤
  • 4.4 本章小结
  • 第5章 实验过程及结果分析
  • 5.1 实验数据集与实验环境
  • 5.1.1 实验数据集介绍
  • 5.1.2 实验样本及实验环境
  • 5.2 实验过程及结果分析
  • 5.2.1 数据预处理
  • 5.2.2 对实验数据属性约简
  • 5.2.3 属性约简子集性能分析
  • 5.2.4 自适应遗传算法性能分析
  • 5.3 本章小结
  • 第6章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].构建城市级的超强感知脉络——评测以萨全息态势感知体系[J]. 中国公共安全 2019(11)
    • [2].综合能源系统态势感知:概念、架构及关键技术[J]. 电器与能效管理技术 2019(19)
    • [3].态势感知技术在智能炼化厂工控安全方面的应用[J]. 仪器仪表用户 2020(01)
    • [4].网络安全态势感知研究综述[J]. 计算机工程与应用 2019(24)
    • [5].情报工程要发挥好整体态势感知优势[J]. 情报工程 2019(04)
    • [6].基于深度学习的电网安全态势感知[J]. 科学技术与工程 2019(35)
    • [7].海域态势感知中的大数据应用探析[J]. 航天电子对抗 2019(06)
    • [8].平行竞争情报态势感知系统研究[J]. 西南民族大学学报(人文社科版) 2020(02)
    • [9].基于Spark Streaming的网络安全流式大数据态势感知研究及发展趋势分析[J]. 网络安全技术与应用 2020(02)
    • [10].面向服务的网络层网络安全态势感知方法研究[J]. 现代信息科技 2020(01)
    • [11].网络安全态势感知综述[J]. 网络空间安全 2019(12)
    • [12].网络安全态势感知关键技术分析与研究[J]. 信息与电脑(理论版) 2020(03)
    • [13].发射台安全播出态势感知系统建设分析[J]. 信息通信 2020(02)
    • [14].铁路网络安全态势感知平台方案研究[J]. 铁路计算机应用 2020(04)
    • [15].网络安全态势感知在高速公路联网收费系统中的应用[J]. 筑路机械与施工机械化 2020(03)
    • [16].供电企业网络与信息安全态势感知的实践[J]. 数字通信世界 2020(04)
    • [17].态势感知平台在智能制造领域的解决方案研究[J]. 自动化仪表 2020(03)
    • [18].网络安全态势感知系统在火力发电厂的应用[J]. 机电信息 2020(15)
    • [19].面向态势感知的网络空间态势本体模型研究[J]. 火力与指挥控制 2020(03)
    • [20].态势感知在电子政务信息安全中的应用[J]. 信息安全研究 2020(06)
    • [21].烟台人群迁徙态势感知平台投入使用[J]. 走向世界 2020(09)
    • [22].面向高级持续性威胁的态势感知概念模型[J]. 信息安全研究 2020(06)
    • [23].网络安全态势感知中数据融合算法应用综述[J]. 河北省科学院学报 2020(02)
    • [24].基于大数据分析的网络安全态势感知[J]. 数字技术与应用 2020(05)
    • [25].基于深度自编码网络的网络安全态势感知与预警机制[J]. 广播电视网络 2020(06)
    • [26].网络安全态势感知研究现状与发展趋势的图谱分析[J]. 计算机科学 2020(S1)
    • [27].网络安全态势感知技术研究现状[J]. 科技与创新 2020(14)
    • [28].基于大数据的情报态势感知技术[J]. 网络空间安全 2020(06)
    • [29].基于态势感知的主动配电网风险评估研究[J]. 机电信息 2020(24)
    • [30].网络安全态势感知管理平台[J]. 数字传媒研究 2020(08)

    标签:;  ;  ;  ;  ;  

    网络安全态势感知中态势要素获取技术的研究
    下载Doc文档

    猜你喜欢