MONSTER系统DDoS和扫描检测模块的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-12页 |
| 1.1.1 入侵检测系统 | 第9页 |
| 1.1.2 MONSTER系统简介 | 第9-10页 |
| 1.1.3 流量扫描检测 | 第10-11页 |
| 1.1.4 DDoS攻击检测 | 第11-12页 |
| 1.2 研究目标与主要内容 | 第12-13页 |
| 1.2.1 研究目标 | 第12-13页 |
| 1.2.2 主要内容 | 第13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 流量扫描检测与DDoS攻击检测技术总结 | 第15-19页 |
| 2.1 流量扫描检测技术总结 | 第15页 |
| 2.2 DDoS攻击检测技术总结 | 第15-18页 |
| 2.2.1 基于统计模型的方法 | 第15-16页 |
| 2.2.2 基于软计算的方法 | 第16-17页 |
| 2.2.3 基于知识的方法 | 第17页 |
| 2.2.4 基于机器学习的方法 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 基于神经网络的流量扫描检测模块 | 第19-28页 |
| 3.1 神经网络理论基础 | 第19-22页 |
| 3.1.1 人工神经元模型 | 第19-20页 |
| 3.1.2 神经网络模型 | 第20-22页 |
| 3.2 模块概述 | 第22-23页 |
| 3.2.1 流量扫描分析 | 第22页 |
| 3.2.2 扫描检测模块框架 | 第22-23页 |
| 3.3 流量扫描检测模块各模块设计 | 第23-25页 |
| 3.3.1 抓包引擎模块 | 第23页 |
| 3.3.2 预处理模块 | 第23-24页 |
| 3.3.3 模式识别模块 | 第24-25页 |
| 3.3.4 神经网络分类模块 | 第25页 |
| 3.3.5 扫描报警模块 | 第25页 |
| 3.4 实验设计与分析 | 第25-27页 |
| 3.4.1 流量扫描检测实验数据 | 第25-26页 |
| 3.4.2 流量扫描检测算法对比分析 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 基于SVM算法的DDoS攻击检测模块 | 第28-37页 |
| 4.1 模块概述 | 第28-29页 |
| 4.2 SVM算法理论基础 | 第29-30页 |
| 4.2.1 分类原理 | 第29-30页 |
| 4.2.2 训练算法 | 第30页 |
| 4.3 DDoS攻击检测系统主要模块设计 | 第30-34页 |
| 4.3.1 预处理模块 | 第30-31页 |
| 4.3.2 特征计算模块 | 第31-32页 |
| 4.3.3 SVM学习模块 | 第32-33页 |
| 4.3.4 DDoS判定模块 | 第33-34页 |
| 4.4 实验设计与分析 | 第34-36页 |
| 4.4.1 DDoS攻击检测实验数据 | 第34页 |
| 4.4.2 评价指标 | 第34-35页 |
| 4.4.3 DDoS攻击检测算法对比分析 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 改进后的MONSTER系统 | 第37-45页 |
| 5.1 改进后的MONSTER系统 | 第37-43页 |
| 5.1.1 规则翻译和预处理模块 | 第38页 |
| 5.1.2 报文采集模块 | 第38-39页 |
| 5.1.3 入侵检测模块 | 第39-42页 |
| 5.1.4 事件后处理模块 | 第42-43页 |
| 5.2 模块关系和设计原理 | 第43页 |
| 5.3 本章小结 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 论文工作总结 | 第45页 |
| 6.2 研究展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-50页 |
