基于遗传神经网络的内网用户行为审计模型研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 网络安全现状 | 第11-12页 |
| 1.2.2 网络安全技术研究现状 | 第12-13页 |
| 1.2.3 安全审计技术研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 安全审计相关理论 | 第16-25页 |
| 2.1 安全审计的提出 | 第16页 |
| 2.2 安全审计标准与要求 | 第16-17页 |
| 2.2.1 TCSEC 标准 | 第16-17页 |
| 2.2.2 GB17859-1999 标准 | 第17页 |
| 2.2.3 CC 标准 | 第17页 |
| 2.3 安全审计系统分类 | 第17-20页 |
| 2.3.1 按数据源分类 | 第17-18页 |
| 2.3.2 按响应方式分类 | 第18页 |
| 2.3.3 按部署方式分类 | 第18-20页 |
| 2.3.4 按检测目的分类 | 第20页 |
| 2.4 安全审计系统主要功能 | 第20-21页 |
| 2.5 安全审计相关技术 | 第21-23页 |
| 2.5.1 数据采集技术 | 第21-23页 |
| 2.5.2 审计分析技术 | 第23页 |
| 2.6 本章小结 | 第23-25页 |
| 第3章 遗传神经网络算法 | 第25-32页 |
| 3.1 神经网络 | 第25-29页 |
| 3.1.1 人工神经网络 | 第25-26页 |
| 3.1.2 BP 算法 | 第26-29页 |
| 3.1.3 BP 算法的缺陷 | 第29页 |
| 3.2 遗传算法 | 第29-30页 |
| 3.2.1 遗传算法的形式化定义 | 第29页 |
| 3.2.2 遗传算法解题步骤 | 第29-30页 |
| 3.3 遗传神经网络在用户行为审计中的应用 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 内网用户行为审计模型设计 | 第32-40页 |
| 4.1 内网用户行为分析 | 第32页 |
| 4.2 内网用户行为审计模型功能要求 | 第32页 |
| 4.3 内网用户行为审计模型总体设计 | 第32-34页 |
| 4.4 基于遗传神经网络的审计方案 | 第34-39页 |
| 4.4.1 遗传神经网络算法描述 | 第34-36页 |
| 4.4.2 遗传神经网络算法改进 | 第36-37页 |
| 4.4.3 遗传神经网络的参数设定 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 内网行为审计模型实现 | 第40-47页 |
| 5.1 分布式数据采集模块 | 第40-41页 |
| 5.2 数据预处理模块 | 第41页 |
| 5.3 审计分析模块 | 第41-43页 |
| 5.3.1 遗传神经网络训练子模块 | 第42-43页 |
| 5.3.2 遗传神经网络检测子模块 | 第43页 |
| 5.4 数据存储模块 | 第43-45页 |
| 5.5 响应模块 | 第45页 |
| 5.6 数据查询浏览模块 | 第45-46页 |
| 5.7 本章小结 | 第46-47页 |
| 第6章 实验结果及分析 | 第47-51页 |
| 6.1 实验环境 | 第47页 |
| 6.2 数据样本组织 | 第47-48页 |
| 6.3 实验结果分析 | 第48-50页 |
| 6.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
