| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景 | 第10-12页 |
| ·可生存性的提出 | 第10-12页 |
| ·可生存性系统的特征 | 第12页 |
| ·可生存性研究现状及分析 | 第12-15页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14页 |
| ·国内外研究现状分析 | 第14-15页 |
| ·可生存性研究意义 | 第15-16页 |
| ·本文的研究内容和组织结构 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第2章 可生存性理论及可生存性模型 | 第17-27页 |
| ·可生存性理论 | 第17-20页 |
| ·可生存性定义 | 第17-18页 |
| ·构建可生存性系统可采用的若干关键技术 | 第18-20页 |
| ·可生存性模型的提出 | 第20-22页 |
| ·可生存性模型分析 | 第22-24页 |
| ·弱点探测期 | 第22-23页 |
| ·入侵活动期 | 第23页 |
| ·入侵响应期 | 第23-24页 |
| ·本文主要研究的实现方法 | 第24-26页 |
| ·方法的提出 | 第24-25页 |
| ·攻击分类 | 第25-26页 |
| ·方法提出的理由 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于BP神经网络的流量型攻击识别与进化 | 第27-45页 |
| ·流量型攻击简介 | 第27-28页 |
| ·DoS类型攻击 | 第27-28页 |
| ·Probe类型攻击 | 第28页 |
| ·BP神经网络及BP学习算法介绍 | 第28-31页 |
| ·BP神经网络原理 | 第28-29页 |
| ·BP学习算法 | 第29-31页 |
| ·BP神经网络识别流量型攻击的优势 | 第31-32页 |
| ·数据源介绍 | 第32-34页 |
| ·数据源概述 | 第32-33页 |
| ·特征选择 | 第33-34页 |
| ·数据预处理 | 第34-37页 |
| ·KDD CUP99 数据预处理 | 第35页 |
| ·网络数据预处理 | 第35-37页 |
| ·BP神经网络参数设置 | 第37-39页 |
| ·实验结果及分析 | 第39-44页 |
| ·实验平台 | 第39-40页 |
| ·重要参数确定 | 第40-41页 |
| ·测试结果分析 | 第41-43页 |
| ·有效性验证 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于改进Snort的内容型攻击的识别与进化 | 第45-58页 |
| ·内容型攻击简介 | 第45-46页 |
| ·U2R类型攻击 | 第45-46页 |
| ·R2L类型攻击 | 第46页 |
| ·Snort介绍 | 第46-49页 |
| ·Snort系统结构 | 第46-48页 |
| ·Snort规则匹配过程 | 第48-49页 |
| ·对Snort的改进 | 第49-54页 |
| ·基于特殊串匹配度的功能改进 | 第50-53页 |
| ·基于广度优先策略的性能改进 | 第53-54页 |
| ·实验结果及分析 | 第54-57页 |
| ·实验平台 | 第54页 |
| ·改进后的性能分析 | 第54-56页 |
| ·有效性验证 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 服务器单机节点的异常发现及恢复方法 | 第58-68页 |
| ·服务器节点生存性策略 | 第58-59页 |
| ·发现机制 | 第59-60页 |
| ·监测资源使用 | 第59页 |
| ·完整性检查 | 第59-60页 |
| ·阈值的设定 | 第60-62页 |
| ·内存阈值设定 | 第60-61页 |
| ·CPU阈值设定 | 第61页 |
| ·带宽阈值设定 | 第61-62页 |
| ·恢复机制 | 第62-64页 |
| ·结束非法进程 | 第62-63页 |
| ·资源重新分配 | 第63-64页 |
| ·测试结果及分析 | 第64-67页 |
| ·测试平台 | 第64页 |
| ·对结束非法进程功能的测试 | 第64-65页 |
| ·对资源重新分配功能的测试 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |