蜜罐中的异常检测关键技术研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 异常检测的研究现状 | 第12-13页 |
| 1.4 研究目标与研究内容 | 第13页 |
| 1.5 论文结构 | 第13-15页 |
| 第二章 相关理论与技术 | 第15-24页 |
| 2.1 蜜罐介绍 | 第15-17页 |
| 2.1.1 蜜罐发展历史 | 第15-16页 |
| 2.1.2 蜜罐分类 | 第16-17页 |
| 2.2 特征选择概述 | 第17-20页 |
| 2.2.1 特征选择的一般过程 | 第17-20页 |
| 2.2.2 特征选择算法分类 | 第20页 |
| 2.3 异常检测概述 | 第20-23页 |
| 2.3.1 异常检测基本模块 | 第21页 |
| 2.3.2 异常检测技术 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 面向正负样本不平衡的特征选择算法 | 第24-41页 |
| 3.1 引言 | 第24-25页 |
| 3.2 典型的特征选择方法分析 | 第25-28页 |
| 3.3 面向正负样本不平衡的特征选择算法 | 第28-36页 |
| 3.3.1 特征与类别相关性的度量 | 第28-32页 |
| 3.3.2 特征与特征之间冗余性的度量 | 第32-33页 |
| 3.3.3 面向正负样本不平衡的特征选择算法设计 | 第33-36页 |
| 3.4 实验分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 代价自适应的提升树异常检测方法 | 第41-56页 |
| 4.1 引言 | 第41-42页 |
| 4.2 现有异常检测方法分析 | 第42-44页 |
| 4.3 代价自适应的提升树异常检测方法 | 第44-53页 |
| 4.3.1 基于决策树的基分类器训练过程 | 第44-48页 |
| 4.3.2 基于代价自适应的提升方法 | 第48-52页 |
| 4.3.3 代价自适应的提升树算法设计 | 第52-53页 |
| 4.4 实验分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 蜜罐异常检测子系统的设计与实现 | 第56-69页 |
| 5.1 系统概述 | 第56-57页 |
| 5.2 异常检测子系统架构 | 第57-58页 |
| 5.3 系统设计与实现 | 第58-66页 |
| 5.3.1 流量收集系统设计 | 第58-61页 |
| 5.3.2 数据处理模块设计 | 第61-64页 |
| 5.3.3 规则库生成模块设计 | 第64-66页 |
| 5.4 系统展示 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的成果 | 第77页 |
