基于网络流量分析的入侵检测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 引言 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·研究的目标与方案 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 第2章 入侵检测系统模型总体框架 | 第13-21页 |
| ·入侵检测的概念 | 第13-14页 |
| ·传统入侵检测模型 | 第14-15页 |
| ·传统入侵检测系统常用检测方法 | 第15-17页 |
| ·异常检测 | 第15-16页 |
| ·误用检测 | 第16-17页 |
| ·基于流量分析的入侵检测系统模型总体框架 | 第17-19页 |
| ·基于流量分析的入侵检测模型 | 第17-18页 |
| ·流量异常检测模块 | 第18-19页 |
| ·流量异常分析模块 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第3章 基于神经网络的流量异常检测模块的实现 | 第21-34页 |
| ·人工神经网络技术 | 第21-24页 |
| ·神经网络发展沿革 | 第21-22页 |
| ·神经模型的结构 | 第22-23页 |
| ·人工神经网络的工作原理 | 第23页 |
| ·人工神经网络的基本功能 | 第23-24页 |
| ·BP 算法原理分析 | 第24-29页 |
| ·BP 算法基本原理 | 第24-25页 |
| ·基本 BP 算法公式推导 | 第25-27页 |
| ·基本 BP 算法的流程图 | 第27-29页 |
| ·基于神经网络的流量异常检测模块的实现 | 第29-33页 |
| ·基本 BP 算法的改进 | 第29-30页 |
| ·异常检测模块实验步骤 | 第30-32页 |
| ·实验结果分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于数据挖掘的流量异常分析模块的实现 | 第34-46页 |
| ·数据挖掘概述 | 第34-37页 |
| ·数据挖掘的概念 | 第34-35页 |
| ·数据挖掘的任务 | 第35-36页 |
| ·数据挖掘过程 | 第36-37页 |
| ·数据挖掘的常用技术与算法 | 第37页 |
| ·关联分析技术 | 第37-40页 |
| ·关联分析技术 | 第38-39页 |
| ·Apriori 算法基本原理 | 第39-40页 |
| ·基于数据挖掘的流量异常分析模块的实现 | 第40-45页 |
| ·日志报警系统 | 第40-41页 |
| ·流量异常分析模块 | 第41-43页 |
| ·流量异常分析工作流程 | 第41页 |
| ·Apriori 算法步骤 | 第41-43页 |
| ·实验结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 总结和展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第52页 |
