基于Snort的混合入侵检测模型在网络靶场中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 网络靶场建设概述 | 第11-12页 |
| 1.2.2 入侵检测发展研究分析 | 第12-14页 |
| 1.2.3 Snort应用研究 | 第14-16页 |
| 1.3 研究内容及结构安排 | 第16-17页 |
| 1.4 小结 | 第17-18页 |
| 2 Snort入侵检测系统分析 | 第18-26页 |
| 2.1 Snort系统原理 | 第18-20页 |
| 2.1.1 Snort整体系统结构 | 第18-19页 |
| 2.1.2 Snort在网络层次中的位置 | 第19-20页 |
| 2.2 工作流程及各功能模块 | 第20-24页 |
| 2.2.1 Snort代码流程 | 第20-22页 |
| 2.2.2 内部各功能模块 | 第22-24页 |
| 2.3 Snort规则机制 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 3 入侵检测技术与数据挖掘技术的应用 | 第26-37页 |
| 3.1 入侵检测技术 | 第26-31页 |
| 3.1.1 概念及原理 | 第26-27页 |
| 3.1.2 入侵检测技术 | 第27-28页 |
| 3.1.3 入侵检测系统 | 第28-31页 |
| 3.2 数据挖掘技术 | 第31-35页 |
| 3.2.1 数据挖掘基本概念 | 第31-32页 |
| 3.2.2 数据挖掘过程 | 第32-33页 |
| 3.2.3 数据挖掘的方法 | 第33-35页 |
| 3.3 入侵检测与数据挖掘 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于数据挖掘的Snort混合改进模型 | 第37-44页 |
| 4.1 训练靶场的基本结构 | 第37页 |
| 4.2 Snort在靶场中的部署及产生的问题 | 第37-39页 |
| 4.2.1 Snort的部署 | 第37-38页 |
| 4.2.2 Snort在靶场中的不足 | 第38-39页 |
| 4.3 基于数据挖掘的混合改进模型 | 第39-43页 |
| 4.3.1 改进模型的提出 | 第39-41页 |
| 4.3.2 核心功能模块简介 | 第41-43页 |
| 4.4 小结 | 第43-44页 |
| 5 相关算法改进研究与实现 | 第44-55页 |
| 5.1 概述 | 第44页 |
| 5.2 K-means聚类算法改进研究 | 第44-47页 |
| 5.2.1 K-means算法分析 | 第44-45页 |
| 5.2.2 K-means算法改进 | 第45-47页 |
| 5.3 Apriori算法改进研究 | 第47-49页 |
| 5.3.1 Apriori算法分析 | 第47-49页 |
| 5.3.2 Apriori算法改进 | 第49页 |
| 5.4 实验及结果分析 | 第49-54页 |
| 5.4.1 实验环境及实验思路分析 | 第49-50页 |
| 5.4.2 实验数据准备 | 第50页 |
| 5.4.3 实验过程及结果分析 | 第50-54页 |
| 5.4.4 结论 | 第54页 |
| 5.5 小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第61页 |
