| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景目的和意义 | 第9页 |
| 1.2 相关技术介绍 | 第9-16页 |
| 1.2.1 P2P技术 | 第9-12页 |
| 1.2.2 入侵检测 | 第12-13页 |
| 1.2.3 神经网络 | 第13-16页 |
| 1.3 国内外研究现状 | 第16-20页 |
| 1.3.1 基于P2P的入侵检测系统 | 第16-17页 |
| 1.3.2 数据融合分析方法在入侵检测中的应用 | 第17-19页 |
| 1.3.3 研究现状分析 | 第19-20页 |
| 1.4 研究内容和预期结果 | 第20页 |
| 1.5 论文后续内容组织安排 | 第20-21页 |
| 第2章 基于SP2P的大规模态势融合分析系统架构设计 | 第21-27页 |
| 2.1 DIDS的体系结构分类 | 第21-23页 |
| 2.2 基于SP2P的大规模态势融合系统体系结构设计 | 第23-24页 |
| 2.3 IDS部署策略 | 第24-25页 |
| 2.4 改进的融合中心节点选择方法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于改进RBF神经网络的态势融合分析方法 | 第27-37页 |
| 3.1 RBF神经网络结构 | 第27-28页 |
| 3.2 RBF神经网络参数的确定方法 | 第28-29页 |
| 3.3 改进K-MEANS的RBF神经网络 | 第29-36页 |
| 3.3.1 K-Means算法基本原理 | 第29-30页 |
| 3.3.2 改进K-Means的RBF神经网络学习算法 | 第30-32页 |
| 3.3.3 神经网络的训练 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于SNORT-RBF的大规模态势融合分析系统设计 | 第37-53页 |
| 4.1 SNORT简介 | 第37-39页 |
| 4.2 SNORT-RBF态势融合分析系统模型设计 | 第39-47页 |
| 4.2.1 数据收集模块与数据预处理模块 | 第40-41页 |
| 4.2.2 分析检测模块 | 第41-43页 |
| 4.2.3 报警模块 | 第43-44页 |
| 4.2.4 数据库模块 | 第44-46页 |
| 4.2.5 融合分析模块 | 第46页 |
| 4.2.6 规则库管理模块 | 第46页 |
| 4.2.7 管理模块 | 第46-47页 |
| 4.3 通信模块 | 第47-51页 |
| 4.3.1 JXTA简介 | 第48-49页 |
| 4.3.2 交互消息 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 实验及结果分析 | 第53-63页 |
| 5.1 系统环境配置 | 第53-58页 |
| 5.2 系统实现 | 第58-62页 |
| 5.2.1 对等组的创建 | 第58-59页 |
| 5.2.2 融合中心节点选择机制 | 第59-60页 |
| 5.2.3 Peer的加入和退出 | 第60页 |
| 5.2.4 Snort规则管理 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
