中文摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
第一章 绪论 | 第9-19页 |
·研究入侵检测系统的重要意义 | 第9-11页 |
·信息安全的基本要求 | 第9-10页 |
·入侵检测系统的研究意义 | 第10-11页 |
·入侵检测系统的关键技术 | 第11-12页 |
·入侵检测系统存在的问题及其解决策略 | 第12-14页 |
·本论文拟解决的主要问题 | 第14-17页 |
·基于主机的入侵检测系统存在的问题 | 第14-15页 |
·基于网络的入侵检测系统存在的问题 | 第15-16页 |
·入侵预测与防御技术 | 第16页 |
·入侵检测系统体系结构问题 | 第16-17页 |
·本论文的主要创新观点 | 第17-18页 |
·本论文的组织结构 | 第18-19页 |
第二章 基于系统调用的入侵检测技术研究 | 第19-44页 |
·基于系统调用短序列的入侵检测技术存在的问题 | 第19-22页 |
·Tide算法 | 第19-20页 |
·Stide算法 | 第20-22页 |
·T-Stide算法 | 第22页 |
·利用模糊神经网络构建基于系统调用短序列的入侵检测模型 | 第22-33页 |
·模糊计算与神经计算 | 第22-25页 |
·按危险度对系统调用进行分类 | 第25-26页 |
·基于模糊神经网络的入侵检测技术 | 第26-33页 |
·基于系统调用频度与顺序特性的入侵检测方法 | 第33-43页 |
·基于系统调用频度特性的入侵检测 | 第33-35页 |
·对KNN入侵检测算法的改进 | 第35-37页 |
·基于系统调用的顺序和频度特性的行为描述 | 第37页 |
·改进的相似度计算因子 | 第37-39页 |
·改进的相似度计算因子的优点 | 第39页 |
·实验结果 | 第39-43页 |
·本章小结 | 第43-44页 |
第三章 网络入侵检测技术研究 | 第44-77页 |
·网络入侵检测技术分析 | 第44-46页 |
·基于改进的动态神经网络的入侵检测模型 | 第46-59页 |
·静态神经网络的入侵检测技术存在的不足 | 第46-49页 |
·改进型动态神经网络的结构 | 第49-50页 |
·用改进型遗传算法调节动态神经网络权系数和开关参数 | 第50-54页 |
·用改进的遗传算法对动态神经网络进行调节 | 第54-55页 |
·基于改进型动态神经网络的网络入侵检测模型的设计 | 第55页 |
·实验数据 | 第55-56页 |
·对所设计的四个DNNID进行训练 | 第56-57页 |
·对所设计的系统进行测试 | 第57-58页 |
·分析 | 第58-59页 |
·基于属性约简与自适应模糊神经网络的入侵检测方法 | 第59-76页 |
·对现有模型进行分析 | 第59-63页 |
·基于SOM神经网络的网络数据属性约简 | 第63-67页 |
·基于自适应模糊神经网络的入侵检测方法 | 第67-73页 |
·实验结果 | 第73-76页 |
·本章小结 | 第76-77页 |
第四章 入侵预测与防御系统研究 | 第77-94页 |
·入侵预测与防御系统概述 | 第77页 |
·利用”计划识别”算法预测主机入侵 | 第77-78页 |
·利用软计算技术构建基于系统调用短序列的入侵预测模型 | 第78-84页 |
·具有抗噪声干扰的软计算模型 | 第78-82页 |
·基于系统调用的主机入侵预测模型 | 第82-83页 |
·实验结果 | 第83-84页 |
·网络连接的局部线性预测模型(LLPM) | 第84-86页 |
·基于模糊神经网络的网络入侵预测模型 | 第86-92页 |
·FNNIP的结构 | 第86-88页 |
·网络行为预测描述 | 第88-89页 |
·实验结果 | 第89-92页 |
·本章小结 | 第92-94页 |
第五章 面向全局网络的入侵检测系统框架 | 第94-105页 |
·公共入侵检测模型框架 | 第94-95页 |
·对现有的入侵检测模型进行分析 | 第95-99页 |
·面向全局网络的入侵检测系统基本框架 | 第99-103页 |
·面向全局网络的入侵检测整体结构 | 第99-100页 |
·面向全局网络入侵检测系统中AIDS的结构 | 第100-103页 |
·对所提出的模型进行分析 | 第103页 |
·本章小结 | 第103-105页 |
第六章 总结与展望 | 第105-107页 |
参考文献 | 第107-115页 |
发表论文和科研情况说明 | 第115-116页 |
致谢 | 第116页 |