入侵检测技术及其应用
1 绪论 | 第1-17页 |
·研究背景和意义 | 第8-13页 |
·计算机系统的安全 | 第9页 |
·计算机网络安全 | 第9-11页 |
·计算机及网络系统的安全对策 | 第11-13页 |
·入侵检测简介 | 第13-16页 |
·入侵检测的由来 | 第13-15页 |
·入侵检测模型 | 第15-16页 |
·本论文的主要研究内容 | 第16-17页 |
2 入侵检测技术与入侵检测系统 | 第17-35页 |
·入侵检测系统的分类 | 第17页 |
·基于入侵知识和基于行为的入侵检测 | 第17-25页 |
·基于入侵知识的入侵检测 | 第18-21页 |
·基于入侵行为的入侵检测 | 第21-24页 |
·基于入侵知识检测与基于行为检测的比较 | 第24-25页 |
·入侵检测系统的信息源 | 第25-31页 |
·基于主机的信息源 | 第26-28页 |
·基于网络的信息源 | 第28-29页 |
·基于应用程序的日志文件 | 第29-30页 |
·基于其他的报警信息 | 第30-31页 |
·入侵检测系统存在的主要问题 | 第31-35页 |
·评价入侵检测系统性能的指标 | 第31-32页 |
·影响入侵检测系统检测性能的因素 | 第32-33页 |
·入侵检测系统存在的主要问题 | 第33-35页 |
3 入侵检测的相关结构 | 第35-47页 |
·数据收集结构 | 第35-41页 |
·数据收集结构:集中式和分布式 | 第35-36页 |
·数据收集机制:直接和间接监控 | 第36-37页 |
·数据收集机制:基于主机和基于网络 | 第37-39页 |
·数据收集机制:外部和内部探测器 | 第39-41页 |
·数据分析结构 | 第41-43页 |
·数据通信 | 第43-47页 |
·主机内通信 | 第43-45页 |
·主机间通信 | 第45-47页 |
4 基于进程行为分类的入侵检测 | 第47-58页 |
·基于神经网络的行为分类 | 第47-49页 |
·识别系统调用短序列正常与否的神经网络系统 | 第47-48页 |
·训练数据集 | 第48-49页 |
·神经网络的训练 | 第49页 |
·基于贝叶斯网络的行为分类 | 第49-53页 |
·贝叶斯理论与贝叶斯分类器 | 第50-52页 |
·贝叶斯分类器在入侵检测领域中的应用 | 第52-53页 |
·基于进程行为分类器的入侵检测系统的设计 | 第53-56页 |
·程序识别器 | 第53-55页 |
·进程检测器 | 第55-56页 |
·进程检测器的实现 | 第56页 |
·基于进程检测器的入侵检测系统原理 | 第56-58页 |
5 基于网络的实时性入侵检测系统设计 | 第58-64页 |
·概述 | 第58页 |
·相关代理 | 第58-61页 |
·网关代理 | 第58-59页 |
·控制代理 | 第59页 |
·检测代理 | 第59页 |
·主机代理 | 第59-60页 |
·策略代理 | 第60页 |
·组 | 第60-61页 |
·运行环境分析 | 第61-62页 |
·主机代理和控制代理在同一主机上 | 第61页 |
·主机代理和控制代理在不同的主机上 | 第61-62页 |
·系统优点 | 第62页 |
·系统缺点和可能的解决方案 | 第62-64页 |
6 入侵检测系统需要解决的几个关键技术 | 第64-73页 |
·网络入侵检测系统架构 | 第64-66页 |
·入侵检测数据分析的层次性 | 第64-65页 |
·基于主机检测的分布式入侵检测系统 | 第65页 |
·基于网络探测器的分布式入侵检测系统 | 第65-66页 |
·网络入侵检测系统需要解决的关键技术 | 第66-73页 |
·入侵检测模块间的协作 | 第66-68页 |
·数据预处理 | 第68-70页 |
·数据融合 | 第70-73页 |
7 结束语 | 第73-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-78页 |