基于学习的入侵检测系统
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·概述 | 第8页 |
| ·论文背景 | 第8-11页 |
| ·现有网络安全技术 | 第9-10页 |
| ·入侵检测技术及现状 | 第10-11页 |
| ·机器学习 | 第11页 |
| ·论文工作 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 第二章 入侵检测 | 第13-26页 |
| ·网络入侵 | 第13-15页 |
| ·简介 | 第13-14页 |
| ·网络入侵的分类 | 第14-15页 |
| ·入侵检测系统 | 第15-21页 |
| ·入侵检测 | 第15页 |
| ·入侵检测系统的组成 | 第15-17页 |
| ·入侵检测系统的分类 | 第17-18页 |
| ·入侵检测方法 | 第18-21页 |
| ·现有检测方法的不足 | 第21页 |
| ·入侵检测的标准化工作 | 第21-23页 |
| ·组件和数据 | 第22页 |
| ·层次和服务 | 第22-23页 |
| ·语言 | 第23页 |
| ·小结 | 第23页 |
| ·入侵检测系统的评估标准及MIT实验数据 | 第23-26页 |
| ·入侵检测系统的评估标准 | 第23页 |
| ·MIT实验数据 | 第23-26页 |
| ·入侵检测中数据的特点 | 第23-24页 |
| ·MIT实验数据说明 | 第24-26页 |
| 第三章 机器学习 | 第26-36页 |
| ·机器学习理论 | 第26-29页 |
| ·机器学习简介 | 第26-28页 |
| ·统计学习理论 | 第28-29页 |
| ·机器学习方法在入侵检测中的应用 | 第29页 |
| ·人工神经网络 | 第29-36页 |
| ·人工神经网络概述 | 第30-32页 |
| ·人工神经网络的基本结构 | 第32-35页 |
| ·人工神经网络与入侵检测 | 第35-36页 |
| 第四章 机器学习应用于入侵检测 | 第36-54页 |
| ·现有入侵检测系统的不足 | 第36-38页 |
| ·基于机器学习的入侵检测 | 第38页 |
| ·基于机器学习的误用检测 | 第38页 |
| ·基于机器学习的异常检测 | 第38页 |
| ·基于机器学习的入侵检测系统模型的设计 | 第38-39页 |
| ·网络数据包俘获模块 | 第39页 |
| ·数据预处理模块 | 第39页 |
| ·机器学习模块 | 第39页 |
| ·机器学习模块的设计与实现 | 第39-54页 |
| ·BP神经网络 | 第39-44页 |
| ·BP网络的结构 | 第40页 |
| ·BP算法 | 第40-44页 |
| ·BP算法的不足 | 第44页 |
| ·训练数据的选取 | 第44-45页 |
| ·神经网络的实现 | 第45页 |
| ·实验结果与分析 | 第45-50页 |
| ·部分机器学习模块的程序代码 | 第50-54页 |
| 第五章 基于学习的Snort | 第54-64页 |
| ·Snort简介 | 第54-56页 |
| ·Snort的特点 | 第54页 |
| ·Snort的规则 | 第54-55页 |
| ·Snort系统组成 | 第55-56页 |
| ·Snort的总体结构分析 | 第56-61页 |
| ·Snort的模块结构 | 第56-57页 |
| ·Snort的总体流程 | 第57-61页 |
| ·入侵检测流程 | 第61页 |
| ·基于机器学习的Snort | 第61-64页 |
| 第六章 结束语 | 第64-66页 |
| ·本文总结 | 第64页 |
| ·进一步的工作 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
