| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 Openstack构建私有云的安全性 | 第10-11页 |
| 1.2.2 云计算场景下蜜场的研究现状 | 第11-12页 |
| 1.2.3 入侵检测技术、深度神经网络的研究现状 | 第12-14页 |
| 1.3 本文研究内容及贡献 | 第14-15页 |
| 1.4 论文写作结构 | 第15-16页 |
| 第二章 关键技术详述 | 第16-23页 |
| 2.1 Openstack开源云平台 | 第16-18页 |
| 2.2 蜜罐、蜜网与蜜场 | 第18-19页 |
| 2.3 入侵检测系统以及深度学习网络 | 第19-22页 |
| 2.3.1 入侵检测系统 | 第19-20页 |
| 2.3.2 深度神经网络 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于Openstack的新型蜜场系统 | 第23-42页 |
| 3.1 新系统的架构设计与分析 | 第23-24页 |
| 3.2 网络攻击检测系统 | 第24-25页 |
| 3.2.1 非业务访问监听模块 | 第24-25页 |
| 3.2.2 针对业务访问的入侵检测模块 | 第25页 |
| 3.3 网络流量重定向系统 | 第25-26页 |
| 3.4 蜜场系统 | 第26-36页 |
| 3.4.1 系统设计 | 第26-28页 |
| 3.4.2 蜜场网关模块 | 第28-32页 |
| 3.4.3 虚拟机监控器模块 | 第32-34页 |
| 3.4.4 增量虚拟化 | 第34-36页 |
| 3.5 可行性分析与仿真实验 | 第36-41页 |
| 3.5.1 系统测试环境 | 第36-37页 |
| 3.5.2 复用地址空间 | 第37-38页 |
| 3.5.3 复用蜜场物理服务器 | 第38-41页 |
| 3.5.4 蜜场网关 | 第41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于分层时空特征的入侵检测系统 | 第42-59页 |
| 4.1 基于分层时空特征的入侵检测系统(HAST-IDS)概述 | 第42-44页 |
| 4.2 CNN学习空间特征 | 第44-45页 |
| 4.3 LSTM学习时间特征 | 第45-47页 |
| 4.4 仿真实验与结果分析 | 第47-58页 |
| 4.4.1 实验环境 | 第47-48页 |
| 4.4.2 实验数据及评估标准 | 第48-50页 |
| 4.4.3 实验结果分析 | 第50-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第65-66页 |
| 致谢 | 第66页 |