| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-11页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·本文结构 | 第10-11页 |
| 第2章 入侵检测 | 第11-16页 |
| ·入侵检测系统概述 | 第11-13页 |
| ·入侵检测系统的框架和工作原理 | 第13-14页 |
| ·入侵检测系统分类 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第3章 GPU并行计算 | 第16-22页 |
| ·GPU概述 | 第16-18页 |
| ·CUDA通用计算 | 第18-20页 |
| ·CUDA硬件架构 | 第18-19页 |
| ·CUDA软件架构 | 第19-20页 |
| ·CUDA编程模型 | 第20页 |
| ·GPU的并行设计优化 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第4章 基于GPU的多分类SVM研究 | 第22-46页 |
| ·支持向量机算法 | 第22-26页 |
| ·基本原理 | 第22页 |
| ·线性支持向量机 | 第22-24页 |
| ·非线性支持向量机 | 第24-26页 |
| ·SVM多分类算法 | 第26-30页 |
| ·一对多多分类方法 | 第26-27页 |
| ·一对一多分类方法 | 第27页 |
| ·DAG多分类方法 | 第27-28页 |
| ·不同SVM分类方法的优缺点 | 第28-30页 |
| ·SVM多分类算法的GPU实现 | 第30-34页 |
| ·LIBSVM中串行SVM多分类训练算法 | 第30-31页 |
| ·LIBSVM多分类算法的并行化分析 | 第31-32页 |
| ·GMSVM多分类算法设计 | 第32-34页 |
| ·实验及其结论 | 第34-45页 |
| ·在多个多分类数据集上的实验 | 第35-41页 |
| ·基于KDD99数据集的实验 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于GPU的Snort研究 | 第46-66页 |
| ·Snort入侵检测系统 | 第46-48页 |
| ·Snort的整体结构 | 第46-47页 |
| ·Snort的主要模块功能 | 第47-48页 |
| ·Snort中多模式匹配的串行实现 | 第48-54页 |
| ·Snort系统的工作流程 | 第48-53页 |
| ·AC多模式匹配算法 | 第53-54页 |
| ·基于GPU检测引擎的GSnort整体架构设计 | 第54-59页 |
| ·GPU混合编程 | 第54页 |
| ·基于GPU的多模式匹配实现 | 第54-58页 |
| ·GSnort设计与实现 | 第58-59页 |
| ·实验 | 第59-65页 |
| ·缓冲区大小对GSnort性能的影响 | 第59-60页 |
| ·串行与并行AC多模式匹配算法性能比较 | 第60-62页 |
| ·基于KDD99数据集的Snort和GSnort性能比较 | 第62-63页 |
| ·真实网络环境下Snort和GSnort性能比较 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·本文主要的工作和总结 | 第66页 |
| ·论文的展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |