新書推薦：
《
神经形态光子学 Neuromorphic Photonics
》
售價：NT$
879.0
《
困顿与超越 ： 心理学家的逆境人生与智慧指引
》
售價：NT$
307.0
《
Web3时代的AI战略：构建BASICs框架，引领企业数字化转型
》
售價：NT$
411.0
《
一岁一喜欢
》
售價：NT$
223.0
《
巨浪：生成式AI的史诗与现实
》
售價：NT$
416.0
《
萧条中的生存智慧与策略（套装2册）
》
售價：NT$
519.0
《
饮食的迷思：关于营养、健康和遗传的科学真相（2024修订版）
》
售價：NT$
359.0
《
未来科技大爆炸
》
售價：NT$
311.0
|
| 內容簡介： |
本书基于攻击指向性及大数据的4V特性建立攻击意图的定量模型，利用决策粗糙集等计算方法，实现从大数据中提取攻击意图；通过构建粒子群小波神经网络实现对态势值的计算；通过构成基于改进的LSTM神经网络的网络安全态势感知框架，实现细时间粒度的、高效的网络安全态势感知；构建模糊-隐马尔可夫模型，对未来攻击意图进行预测。
本书可供网络空间安全、人工智能、大数据等专业的研究生阅读，也可供从事网络安全相关工作的工程技术人员及研究人员参考。
|
| 目錄：
|
第1章 网络安全态势感知
1.1 网络安全态势感知研究范围
1.2 研究背景
1.3 研究目标
1.4 研究内容
第2章 网络安全态势感知综述
2.1 网络安全态势感知模型
2.2 网络安全态势要素提取模型
2.3 网络安全态势评估技术
2.4 网络安全态势预测技术
2.5 态势预测的经典模型
2.5.1 基于时间序列的态势预测模型
2.5.2 基于灰色理论的态势预测模型
第3章 基于并行约简的态势要素提取方法
3.1 粗糙集的基本理论
3.2 连续属性离散化
3.3 经典的属性约简算法
3.4 基于并行约简的态势要素提取算法
3.4.1 构建态势要素信息集合
3.4.2 建立态势要素属性重要度矩阵
3.4.3 算法描述
3.5 实验与分析
3.5.1 实验环境与数据集
3.5.2 性能评价指标
3.5.3 实验过程与结果分析
第4章 基于邻域粗糙集的态势要素提取方法
4.1 邻域粗糙集的基本理论
4.2 邻域半径的影响
4.3 基于邻域粗糙集的态势要素提取算法
4.3.1 邻域半径的设定
4.3.2 邻域并行约简
4.3.3 邻域属性重要度矩阵
4.3.4 算法描述
4.4 实验与分析
4.4.1 实验数据与评价标准
4.4.2 实验过程与结果分析
第5章 基于改进AMCPSO-DS证据理论的态势评估
5.1 基于改进AMCPSO-DS证据理论的态势评估模型
5.1.1 传统网络安全态势评估模型
5.1.2 改进网络安全态势评估模型
5.2 基于改进AMCPSO-DS证据理论的态势评估算法
5.2.1 D-S证据理论
5.2.2 粒子群优化算法
5.2.3 威胁量化评估
5.2.4 实验分析
第6章 基于CRIT-LSTM的网络安全态势评估与预测
6.1 对LSTM神经网络的改进
6.1.1 网络安全态势感知应用场景的问题分析
6.1.2 深层堆叠的深度神经网络结构
6.1.3 ReLU改进的LSTM单元结构
6.1.4 CE函数改进的损失评价过程
6.2 基于CRIT-LSTM的网络安全态势感知相关方法
6.2.1 网络安全态势感知流程
6.2.2 数据处理
6.2.3 态势量化
6.2.4 态势呈现
6.3 网络安全态势评估与预测
6.3.1 网络安全态势评估与预测框架
6.3.2 实现平台与数据集
6.3.3 网络安全态势理解与评估
6.3.4 网络安全态势预测
第7章 基于隐马尔可夫模型在复合式攻击预测
7.1 基于隐马尔可夫模型在复合式攻击预测模型
7.1.1 隐马尔可夫模型算法
7.1.2 对HMM建模算法的改进
7.1.3 复合式攻击的隐马尔可夫模型的建立
7.1.4 基于隐马尔可夫模型在复合式攻击中的预测
7.2 基于隐马尔可夫模型的预警系统的建立
7.2.1 系统设计目标
7.2.2 预警系统模型
7.2.3 预警系统的体系结构
7.3 实验分析
7.3.1 实验数据介绍
7.3.2 实验结果及分析
第8章 基于RBF神经网络的网络安全态势预测
8.1 改进的RBF神经网络
8.1.1 FCM算法
8.1.2 遗传算法与混合递阶遗传算法
8.2 实验分析
参考文献
|
| 內容試閱：
|
|
前言 态势感知概念最早出现在军事领域，用于在 军事对抗中对敌我双方的攻防态势进行预测。态 势感知分为要素提取、理解和预测三个层次，由 美国空军在20世纪80年代提出，在90年代逐渐 被各领域专家学者所接受。随着网络的兴起，网 络安全重要性的凸显，态势感知逐渐在网络安全 领域崭露头角，并升级为网络态势感知。 网络安全态势感知可以理解为：在大规模复 杂网络环境中，通过数学方法对能够引起网络态 势发生变化的安全要素进行获取和综合理解，最 后做出综合评判，并对其发展趋势进行预测，从 而进行决策与行动。网络安全态势感知可分为三 个层次：第一层是网络安全态势要素的提取；第 二层是网络安全态势评估；第三层是网络安全态 势预测。安全要素的提取主要依据态势要素在态 势感知过程中的影响程度大小进行选取，然后对 大规模网络数据信息进行筛选整合，通过数学方 法将其归纳统计为数学描述信息。安全态势评估 以安全态势要素提取阶段所提取的要素数据为基 础，先单独对每个要素数据进行分析，再根据各 要素数据之间的关联程度进行有效的数据融合。 由于大规模的复杂网络环境下，数据的类型、结 构的多样性，注定了数据融合的难度。如何进行 有效的数据融合直接关乎到本阶段能否成功地得 到准确的评估结果。安全态势预测是网络安全态 势感知过程必不可少的组成部分，其基本任务是 基于当前态势信息和已经识别出的历史态势信息 ，对网络在未来一段时间内可能出现的攻击行为 或网络中存在的潜在的威胁做出合理精确的预测 。通过上述网络安全态势感知技术，网络管理人 员可以从复杂的信息和海量的数据中脱离出来， 站在更加宏观的角度观测网络系统，而底层的分 析工作可以完全交给计算机完成。网络安全态势 感知对于复杂的，尤其是对安全性要求较高的网 络系统，具有非常重要的意义。 本书基于大数据环境下的信息支持，运用数 据挖掘和知识发现，从动机层面对攻击者的攻击 意图进行信息提取和预测，对动态、不确定的网 络环境下的整体网络安全态势评估和预测等问题 进行探索和研究。本书的研究内容为保障大数据 环境下的网络自身安全、谋求大数据信息网络空 间的主导权利提供技术支持和储备，具有较大的 理论和实用价值。 本书为赵冬梅教授主持的国家自然科学基金 项目大数据环境下基于攻击意图的网络安全态 势评估的阶段性成果。在撰写书稿的过程中， 得到了河北省网络与信息安全重点实验室的曾水 光、宋会倩、王宏彬、李红、耿世勋、李喜喜、 李世暄、袁春阳等师生，以及河北师范大学计算 机与网络空间安全学院各位老师的指导和帮助。 在本书出版之际，对他们表示由衷的感谢！ 本书出版得到国家自然科学基金面上项目（ 61672206）、河北省重点研发计划项目 （20310701D）、河北省创新能力提升计划项目 （3600803YSN1B2E）的资助。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
