首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于机器学习的Web安全检测方法研究

摘要第1-7页
Abstract第7-13页
1 绪论第13-23页
   ·引言第13-15页
   ·入侵检测系统介绍第15-16页
     ·事件采集第15页
     ·事件分析第15-16页
     ·事件响应第16页
   ·入侵检测研究发展与现状第16-20页
     ·特征匹配第17页
     ·规则推理第17页
     ·状态转移第17页
     ·数据挖掘第17-20页
   ·本文的主要研究成果和意义第20-21页
   ·本文章节安排第21-22页
   ·本章小结第22-23页
2 背景知识第23-41页
   ·引言第23页
   ·Web应用第23-25页
     ·Web应用架构第24页
     ·HTTP协议第24-25页
   ·Web攻击第25-28页
     ·Web攻击方式第25-27页
     ·Web攻击检测的难点第27-28页
   ·机器学习理论第28-29页
     ·机器学习基础第28页
     ·入侵检测中的学习问题第28-29页
   ·基于机器学习的检测模型第29-35页
     ·长度模型(Length)第30-31页
     ·字符分布模型(Character Distribution)第31-32页
     ·NFA模型第32-33页
     ·枚举类型(Token Finder)第33-34页
     ·枚举属性(Attribute Presence)第34页
     ·属性顺序(Attribute Order)第34页
     ·N-Grams第34页
     ·方法总结第34-35页
   ·检测模型和方法的评价第35-37页
     ·检测率和误报率第35-36页
     ·ROC曲线第36-37页
   ·实验数据集第37-39页
   ·本章小结第39-41页
3 基于HMM的检测模型第41-55页
   ·引言第41-42页
   ·HMM理论基础第42页
   ·基于HMM的语法模型第42-48页
     ·HMM模型建立第43页
     ·语法泛化第43-46页
     ·算法实现第46-48页
   ·检测算法第48-50页
     ·特征提取第48-49页
     ·选取分类阈值第49-50页
   ·实验与讨论第50-53页
   ·本章小结第53-55页
4 基于DFA的检测模型第55-63页
   ·引言第55-56页
   ·DFA的数学模型第56页
   ·DFA检测模型第56-60页
     ·模型学习第57-59页
     ·模型检测第59页
     ·HMM与DFA模型比较分析第59-60页
   ·实验与讨论第60-62页
   ·本章小结第62-63页
5 基于语法的检测模型比较第63-71页
   ·引言第63页
   ·语法模型分析第63-65页
   ·实验和讨论第65-69页
   ·本章小结第69-71页
6 基于聚类的无监督检测算法第71-83页
   ·引言第71页
   ·算法假设第71-72页
   ·距离定义第72-75页
     ·样本间距离第73-74页
     ·样本与类间距离第74页
     ·类间距离第74页
     ·类内距离第74-75页
   ·基于聚类的检测算法第75-77页
     ·层次聚类算法第75-76页
     ·迭代聚类算法第76页
     ·选择最优方案算法第76-77页
     ·检测算法第77页
   ·实验和讨论第77-81页
   ·本章小结第81-83页
7 基于SVM的多模型检测框架第83-93页
   ·引言第83页
   ·SVM基础第83-84页
   ·特征提取第84-88页
     ·定义和问题第84-86页
     ·模型学习第86-87页
     ·特征映射第87-88页
   ·SVM分类器第88-89页
   ·实验与讨论第89-91页
   ·本章小结第91-93页
8 结束语第93-95页
致谢第95-97页
参考文献第97-109页
附录第109页

论文共109页,点击 下载论文
上一篇:基于控制理论的网络拥塞控制算法研究
下一篇:基于图的模式识别及其在计算机视觉中的应用