基于系统调用的异常检测技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 引言 | 第11-16页 |
| ·研究背景 | 第11页 |
| ·入侵检测系统的现状 | 第11-13页 |
| ·入侵检测的必要性和意义 | 第13-15页 |
| ·网络面临的主要威胁 | 第13页 |
| ·传统安全手段及其缺点 | 第13-14页 |
| ·入侵检测的目的 | 第14页 |
| ·研究入侵检测的意义 | 第14-15页 |
| ·论文工作 | 第15-16页 |
| 第二章 入侵检测技术概述 | 第16-28页 |
| ·入侵检测的概念 | 第16-17页 |
| ·入侵检测系统的组成 | 第17页 |
| ·入侵检测的分类 | 第17-21页 |
| ·基于主机的入侵检测 | 第17-18页 |
| ·基于网络的入侵检测 | 第18页 |
| ·异常入侵检测 | 第18-19页 |
| ·误用入侵检测 | 第19-20页 |
| ·异常检测和误用检测的比较 | 第20页 |
| ·混合型入侵检测系统 | 第20-21页 |
| ·其它分类 | 第21页 |
| ·入侵检测存在的问题 | 第21页 |
| ·入侵检测的发展方向 | 第21-24页 |
| ·宽带高速网络的实时入侵检测技术 | 第23页 |
| ·大规模分布式入侵检测 | 第23-24页 |
| ·入侵检测系统的标准化研究 | 第24-27页 |
| ·CIDF标准 | 第24-26页 |
| ·IDWG标准 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 课题技术分析 | 第28-35页 |
| ·研究对象 | 第28-30页 |
| ·特权程序 | 第28-29页 |
| ·系统调用 | 第29-30页 |
| ·可行性分析 | 第30-32页 |
| ·针对系统调用方法的研究进展 | 第32页 |
| ·现有检测方法的不足 | 第32-33页 |
| ·对已有方法的改进 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 检测实验基础 | 第35-50页 |
| ·DARPA数据集 | 第35-36页 |
| ·DARPA数据集的优势 | 第36-37页 |
| ·系统检测过程 | 第37-38页 |
| ·检测预处理 | 第38-46页 |
| ·BSM审计记录格式 | 第39-42页 |
| ·抽取特权程序 | 第42-46页 |
| ·检测性能评价的研究 | 第46-49页 |
| ·性能指标 | 第46页 |
| ·ROC曲线分析 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第五章 采用神经网络算法的检测方法 | 第50-71页 |
| ·人工神经元 | 第50-51页 |
| ·人工神经网络的拓扑结构 | 第51-52页 |
| ·人工神经网络的工作原理 | 第52-53页 |
| ·神经网络分类 | 第53-54页 |
| ·多层前向网络 | 第54-55页 |
| ·检测对象 | 第55-56页 |
| ·检测方法 | 第56-57页 |
| ·漏桶算法 | 第56-57页 |
| ·距离向量算法 | 第57页 |
| ·检测模型 | 第57-58页 |
| ·检测实验 | 第58-69页 |
| ·训练过程 | 第58-64页 |
| ·检测过程 | 第64-65页 |
| ·实验结果 | 第65-69页 |
| ·小结 | 第69-71页 |
| 第六章 采用文本分类算法的检测方法 | 第71-83页 |
| ·基本原理 | 第71-73页 |
| ·文本分类 | 第71页 |
| ·KNN分类算法 | 第71-73页 |
| ·检测方法 | 第73-74页 |
| ·面临的问题及算法改进 | 第74-76页 |
| ·检测实验 | 第76-81页 |
| ·训练过程 | 第76-77页 |
| ·检测过程 | 第77-78页 |
| ·实验结果 | 第78-81页 |
| ·小结 | 第81-83页 |
| 第七章 结论与展望 | 第83-86页 |
| ·结论 | 第83-85页 |
| ·两种检测方法比较 | 第83-84页 |
| ·本文的主要工作 | 第84-85页 |
| ·不足之处 | 第85页 |
| ·工作展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
