入侵检测系统数据分析方法及其相关技术的研究
| 第1章 绪论 | 第1-38页 |
| 1．1 Internet中的安全问题 | 第11-16页 |
| 1．1．1 Internet的发展 | 第11-12页 |
| 1．1．2 Internet中存在的安全威胁 | 第12页 |
| 1．1．3 攻击的主体与方法 | 第12-16页 |
| 1．2 安全模型与安全技术 | 第16-20页 |
| 1．2．1 安全 | 第16页 |
| 1．2．2 安全模型 | 第16-18页 |
| 1．2．3 安全技术 | 第18-20页 |
| 1．3 入侵检测技术简介 | 第20-23页 |
| 1．3．1 基本结构 | 第20-21页 |
| 1．3．2 分类 | 第21-22页 |
| 1．3．3 目标与评估参数 | 第22-23页 |
| 1．4 国内外研究现状 | 第23-35页 |
| 1．4．1 异常检测 | 第23-25页 |
| 1．4．2 误用检测 | 第25-26页 |
| 1．4．3 误用与异常检测的通用方法 | 第26-27页 |
| 1．4．4 基于网络的入侵检测系统 | 第27-30页 |
| 1．4．5 基于主机的入侵检测系统 | 第30-31页 |
| 1．4．6 国内研究现状 | 第31-32页 |
| 1．4．7 存在的问题 | 第32-35页 |
| 1．5 本文的主要研究内容 | 第35-38页 |
| 1．5．1 研究内容 | 第35页 |
| 1．5．2 相互关系 | 第35-37页 |
| 1．5．3 本文的结构 | 第37-38页 |
| 第2章 基于物元分析的入侵检测系统建模 | 第38-61页 |
| 2．1 物元分析理论基础 | 第38-46页 |
| 2．1．1 物元 | 第39-41页 |
| 2．1．2 物元变换 | 第41-42页 |
| 2．1．3 可拓集合 | 第42-46页 |
| 2．2 复合物元 | 第46-50页 |
| 2．2．1 复合物元 | 第46-47页 |
| 2．2．2 复合物元的基本运算 | 第47-48页 |
| 2．2．3 复合物元的简化运算 | 第48-49页 |
| 2．2．4 复合物元可拓集合 | 第49-50页 |
| 2．3 基于复合物元的建模方法 | 第50-60页 |
| 2．3．1 入侵检测的可拓性 | 第50-52页 |
| 2．3．2 审计物元模型 | 第52-54页 |
| 2．3．3 审计事件可拓集合 | 第54-55页 |
| 2．3．4 入侵检测变换 | 第55-58页 |
| 2．3．5 入侵检测物元分析模型 | 第58-60页 |
| 2．4 本章小结 | 第60-61页 |
| 第3章 网络信息特征空间建立方法的研究 | 第61-74页 |
| 3．1 信息采集 | 第61-66页 |
| 3．1．1 混杂模式 | 第62-64页 |
| 3．1．2 Libpcap调用 | 第64-66页 |
| 3．2 特征重组 | 第66-72页 |
| 3．2．1 基本特征提取 | 第66-68页 |
| 3．2．2 扩展特征提取 | 第68-72页 |
| 3．3 正则化 | 第72-73页 |
| 3．4 本章小结 | 第73-74页 |
| 第4章 基于主成分分析的无监督异常检测方法 | 第74-93页 |
| 4．1 无监督异常检测 | 第74-77页 |
| 4．2 主成分分析 | 第77-81页 |
| 4．2．1 主成分 | 第77-78页 |
| 4．2．2 对称主成分分析 | 第78-81页 |
| 4．3 基于对称PCA的无监督异常检测 | 第81-82页 |
| 4．4 主成分求解方法 | 第82-87页 |
| 4．4．1 主成分的数值求解方法 | 第82-84页 |
| 4．4．2 主成分的神经元求解方法 | 第84-87页 |
| 4．5 实验仿真与结果分析 | 第87-92页 |
| 4．5．1 实验数据集 | 第88-89页 |
| 4．5．2 仿真过程与结果 | 第89-91页 |
| 4．5．3 仿真结果分析 | 第91-92页 |
| 4．6 本章小结 | 第92-93页 |
| 第5章 基于时衰聚类的入侵攻击自动分类 | 第93-111页 |
| 5．1 入侵攻击自动分类 | 第93-94页 |
| 5．2 统计聚类算法 | 第94-98页 |
| 5．2．1 聚类准则 | 第94-95页 |
| 5．2．2 K-均值算法 | 第95-96页 |
| 5．2．3 时衰K-均值算法 | 第96-97页 |
| 5．2．4 算法收敛性分析 | 第97-98页 |
| 5．3 自组织映射聚类算法 | 第98-104页 |
| 5．3．1 基本思想 | 第98-99页 |
| 5．3．2 学习原理 | 第99-102页 |
| 5．3．3 时衰SOM算法 | 第102-103页 |
| 5．3．4 算法收敛性分析 | 第103-104页 |
| 5．4 实验仿真及结果分析 | 第104-110页 |
| 5．4．1 实验数据集 | 第104-107页 |
| 5．4．2 算法有效性实验 | 第107-108页 |
| 5．4．3 数据分布性实验 | 第108-109页 |
| 5．4．4 算法时衰性实验 | 第109页 |
| 5．4．5 仿真结果分析 | 第109-110页 |
| 5．5 本章小结 | 第110-111页 |
| 第6章 基于进化选择的入侵规则自学习 | 第111-130页 |
| 6．1 入侵规则自学习 | 第111-112页 |
| 6．2 遗传算法 | 第112-117页 |
| 6．2．1 算法动机与步骤 | 第113-114页 |
| 6．2．2 表示假设 | 第114-115页 |
| 6．2．3 遗传算子 | 第115-117页 |
| 6．2．4 假设选择 | 第117页 |
| 6．3 决策树归纳算法RIPPER | 第117-122页 |
| 6．3．1 决策树归纳问题 | 第117-118页 |
| 6．3．2 IREP算法 | 第118-119页 |
| 6．3．3 改进 | 第119-121页 |
| 6．3．4 RIPPER算法 | 第121-122页 |
| 6．4 基于进化选择的入侵规则自学习算法ESAL | 第122-125页 |
| 6．5 实验仿真及结果分析 | 第125-128页 |
| 6．6 本章小结 | 第128-130页 |
| 结论 | 第130-132页 |
| 参考文献 | 第132-143页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第143-144页 |
| 致谢 | 第144页 |
