针对SYNFlood攻击的中间代理模型
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题的立项背景 | 第8-10页 |
| ·国内外研究动态 | 第10-11页 |
| ·本文的主要内容和章节安排 | 第11-13页 |
| 2 入侵检测系统概述 | 第13-23页 |
| ·什么是入侵检测 | 第13-14页 |
| ·入侵检测系统的分类 | 第14-17页 |
| ·基于主机入侵检测系统 | 第14-15页 |
| ·基于网络入侵检测系统 | 第15-16页 |
| ·分布式入侵检测系统 | 第16-17页 |
| ·入侵检测过程 | 第17-19页 |
| ·信息收集 | 第17-18页 |
| ·信号分析 | 第18-19页 |
| ·入侵检测的基本方法 | 第19-21页 |
| ·误用(Misuse)检测 | 第19-20页 |
| ·异常(Exception)检测 | 第20-21页 |
| ·入侵检测通用模型 | 第21-23页 |
| 3 拒绝服务攻击 | 第23-31页 |
| ·DoS 攻击 | 第23-25页 |
| ·DoS 攻击的历史 | 第24页 |
| ·DoS 攻击产生的基础 | 第24-25页 |
| ·DoS 的升级——DDoS 攻击 | 第25-27页 |
| ·SYN Flood 攻击 | 第27-31页 |
| ·SYN Flood 攻击原理及其现象 | 第27-28页 |
| ·目前主要防御对策及优劣 | 第28-31页 |
| 4 系统模型——TCP/IP“一次握手”法 | 第31-34页 |
| ·系统原理 | 第31-32页 |
| ·系统整体构架 | 第32-34页 |
| 5 系统中间代理的算法实现 | 第34-44页 |
| ·人工神经网络 | 第34-38页 |
| ·人工神经网络的基本原理 | 第34-35页 |
| ·人工神经网络系统的特点 | 第35-36页 |
| ·BP 网络基本原理和公式推导 | 第36-38页 |
| ·基于神经网络入侵检测方法 | 第38-39页 |
| ·系统中间代理的算法实现 | 第39-44页 |
| ·数据采集及预处理 | 第40-41页 |
| ·神经网络的选择 | 第41-42页 |
| ·神经网络的训练及运行 | 第42-44页 |
| 6 网络数据包的检测和特征向量的提取 | 第44-57页 |
| ·网络数据包截获模块 | 第44-49页 |
| ·设计思想 | 第44-46页 |
| ·具体实现方法 | 第46-49页 |
| ·网络协议解析模块 | 第49-55页 |
| ·TCP/IP 协议解析基础 | 第49-52页 |
| ·协议解析的实现过程 | 第52-55页 |
| ·特征向量选择模块 | 第55-57页 |
| 7 模拟攻击实验 | 第57-62页 |
| ·模拟SYN Flood 攻击 | 第57-59页 |
| ·创建Row 型Socket | 第57-58页 |
| ·填充TCP 报文 | 第58-59页 |
| ·训练和测试结果 | 第59-61页 |
| ·结论 | 第61-62页 |
| 结论与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第67-68页 |
| 独创性声明 | 第68页 |
| 学位论文版权使用授权书 | 第68页 |
