自适应WEB入侵异常检测技术的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 引言 | 第7-8页 |
| 第1章 绪述 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 WEB 入侵检测技术研究现状 | 第9-10页 |
| 1.2.2 隐马尔科夫模型的研究现状 | 第10页 |
| 1.3 本文的主要工作及结构安排 | 第10-12页 |
| 第2章 WEB 入侵检测技术与隐马尔可夫模型 | 第12-20页 |
| 2.1 WEB 入侵与入侵检测技术 | 第12-14页 |
| 2.1.1 常见的 WEB 入侵 | 第12-13页 |
| 2.1.2 入侵检测技术 | 第13页 |
| 2.1.3 入侵检测的分类 | 第13-14页 |
| 2.2 轻量级的入侵检测系统 Snort | 第14-16页 |
| 2.2.1 概述 | 第14-15页 |
| 2.2.2 Snort 的系统结构 | 第15页 |
| 2.2.3 Snort 的插件机制 | 第15-16页 |
| 2.3 隐马尔科夫模型 | 第16-18页 |
| 2.3.1 马尔科夫过程 | 第16页 |
| 2.3.2 隐马尔科夫模型描述 | 第16-17页 |
| 2.3.3 隐马尔科夫模型的基本问题 | 第17页 |
| 2.3.4 隐马尔科夫的分类模型 | 第17-18页 |
| 2.3.5 隐马尔科夫的检测模型 | 第18页 |
| 2.4 异常检测技术在 Snort 系统中的应用 | 第18-20页 |
| 2.4.1 异常检测与误用检测的区别 | 第18-19页 |
| 2.4.2 相关研究 | 第19-20页 |
| 第3章 自适应异常检测模型 | 第20-36页 |
| 3.1 原始的隐马尔科夫检测模型 | 第20-22页 |
| 3.1.1 模型的学习过程 | 第20-22页 |
| 3.1.2 模型的检测过程 | 第22页 |
| 3.2 改进模型的提出 | 第22-24页 |
| 3.2.1 传统隐马尔科夫模型的不足 | 第22-23页 |
| 3.2.2 改进检测模型的描述思路 | 第23-24页 |
| 3.3 数据预处理 | 第24-28页 |
| 3.3.1 数据的采集处理 | 第24-25页 |
| 3.3.2 Request-URL 的预处理 | 第25-26页 |
| 3.3.3 样本集的离散度表示 | 第26-28页 |
| 3.4 自适应检测模型的建立 | 第28-32页 |
| 3.4.1 样本集的分类划分 | 第28-30页 |
| 3.4.2 正常行为样本的识别 | 第30页 |
| 3.4.3 检测模型的修正 | 第30-31页 |
| 3.4.4 算法的形式化描述 | 第31-32页 |
| 3.5 模型的检测过程 | 第32-33页 |
| 3.5.1 相关理论 | 第32页 |
| 3.5.2 检测算法 | 第32-33页 |
| 3.6 建立模型时的问题 | 第33-36页 |
| 3.6.1 隐马尔科夫模型的合并 | 第33-34页 |
| 3.6.2 阀值的确定问题 | 第34-36页 |
| 第4章 实验结果及分析 | 第36-44页 |
| 4.1 WEB 日志数据检测实验 | 第36-38页 |
| 4.2 Snort 实时数据检测实验 | 第38-43页 |
| 4.2.1 模拟环境 | 第38-41页 |
| 4.2.2 实验设计 | 第41-42页 |
| 4.2.3 实验分析 | 第42-43页 |
| 4.3 实验结论 | 第43-44页 |
| 第5章 结论 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 在读期间公开发表论文（著）及科研情况 | 第50页 |
