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 |