摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-12页 |
1.1 研究背景及研究意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-10页 |
1.3 主要研究内容及论文结构 | 第10-12页 |
1.3.1 主要研究内容 | 第10-11页 |
1.3.2 论文结构 | 第11-12页 |
第二章 入侵检测技术基础 | 第12-28页 |
2.1 网络入侵原理 | 第12-14页 |
2.1.1 网络中的安全问题 | 第12页 |
2.1.2 网络入侵的一般步骤 | 第12-13页 |
2.1.3 常见入侵技术 | 第13-14页 |
2.2 入侵检测的概念 | 第14-15页 |
2.3 入测检测系统的分类 | 第15-18页 |
2.3.1 基于主机的入侵检测系统 | 第15-16页 |
2.3.2 基于网络的入侵检测系统 | 第16-17页 |
2.3.3 分布式入侵检测系统 | 第17-18页 |
2.4 入侵检测技术概述 | 第18-21页 |
2.4.1 常见的异常入侵检测技术 | 第18-20页 |
2.4.2 常见的误用入侵检测技术 | 第20-21页 |
2.5 入侵检测模型 | 第21-25页 |
2.5.1 IDES模型 | 第21-22页 |
2.5.2 CIDF模型 | 第22-23页 |
2.5.3 Agent模型 | 第23-24页 |
2.5.4 蜜罐模型 | 第24-25页 |
2.6 入侵检测系统现有问题与发展方向 | 第25-27页 |
2.6.1 入侵检测系统的问题 | 第25-26页 |
2.6.2 入侵检测系统的发展方向 | 第26-27页 |
2.7 本章小结 | 第27-28页 |
第三章 网络流量统计特征的设计与流量识别算法 | 第28-40页 |
3.1 网络流量分析技术 | 第28-29页 |
3.1.1 包过滤技术 | 第28页 |
3.1.2 深度包检测技术 | 第28-29页 |
3.1.3 动态流量检测技术 | 第29页 |
3.2 基于统计特征的流量识别技术的算法设计 | 第29-36页 |
3.2.1 算法的思想与流程 | 第29-30页 |
3.2.2 应用会话流统计特征设计 | 第30-34页 |
3.2.3 特征模型库的设计与生成 | 第34-36页 |
3.3 基于相对熵的识别算法 | 第36-37页 |
3.4 基于相对熵的特征选择算法 | 第37-39页 |
3.4.1 算法思想 | 第38页 |
3.4.2 算法伪代码 | 第38-39页 |
3.5 本章总结 | 第39-40页 |
第四章 基于支持向量机和统计特征的入侵检测模型 | 第40-52页 |
4.1 支持向量机基本原理 | 第40-43页 |
4.1.1 统计学习理论 | 第40-41页 |
4.1.2 线性分类函数 | 第41-43页 |
4.1.3 核函数 | 第43页 |
4.2 基于Fisher距离的有向无环图支持向量机 | 第43-47页 |
4.2.1 多类支持向量机 | 第43-44页 |
4.2.2 Fisher距离 | 第44-46页 |
4.2.3 基于Fisher距离的有向无环图支持向量机 | 第46-47页 |
4.3 流量识别算法的设计 | 第47-48页 |
4.3.1 统计特征的DAGSVM模型 | 第47页 |
4.3.2 算法的整体流程 | 第47-48页 |
4.4 实验及结果分析 | 第48-51页 |
4.5 本章小结 | 第51-52页 |
第五章 入侵检测系统的设计与实现 | 第52-69页 |
5.1 系统基本架构设计 | 第52-53页 |
5.2 系统的模块设计 | 第53-60页 |
5.2.1 协议解码模块 | 第53-54页 |
5.2.2 会话管理模块 | 第54-56页 |
5.2.3 模型训练模块 | 第56-58页 |
5.2.4 入侵检测模块 | 第58-60页 |
5.3 系统的实现与测试 | 第60-68页 |
5.3.1 代码结构 | 第60-62页 |
5.3.2 系统的实现 | 第62-64页 |
5.3.3 测试结果分析 | 第64-68页 |
5.4 本章小结 | 第68-69页 |
第六章 总结与展望 | 第69-71页 |
6.1 论文工作总结 | 第69页 |
6.2 未来工作展望 | 第69-71页 |
参考文献 | 第71-74页 |
附录1 攻读硕士学位期间撰写的论文 | 第74-75页 |
附录2 攻读硕士学位期间参加的科研项目 | 第75-76页 |
致谢 | 第76页 |