| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容及章节安排 | 第12-13页 |
| 第二章 入侵检测技术与Snort 入侵检测系统 | 第13-26页 |
| 2.1 入侵检测系统的分类 | 第13-17页 |
| 2.1.1 基于主机的入侵检测系统 | 第13-14页 |
| 2.1.2 基于网络的入侵检测系统 | 第14-16页 |
| 2.1.3 混合分布式的入侵检测系统 | 第16-17页 |
| 2.2 入侵检测的方法 | 第17-19页 |
| 2.2.1 特征检测 | 第17-18页 |
| 2.2.2 异常检测 | 第18-19页 |
| 2.2.3 完整性检验 | 第19页 |
| 2.3 Snort 入侵检测系统分析 | 第19-25页 |
| 2.3.1 Snort 模块结构图 | 第20-21页 |
| 2.3.2 Snort 工作流程 | 第21-22页 |
| 2.3.3 Snort 插件机制分析 | 第22-24页 |
| 2.3.4 Snort 优缺点分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 数据挖掘及其在入侵检测中的应用 | 第26-37页 |
| 3.1 数据挖掘技术概述 | 第26-28页 |
| 3.1.1 数据挖掘的概念 | 第26页 |
| 3.1.2 数据挖掘的过程 | 第26-27页 |
| 3.1.3 数据挖掘的主要功能 | 第27-28页 |
| 3.2 数据挖掘分析方法及其在入侵检测中的应用 | 第28-35页 |
| 3.2.1 关联分析 | 第29-30页 |
| 3.2.2 序列分析 | 第30-31页 |
| 3.2.3 聚类分析 | 第31-34页 |
| 3.2.4 分类分析 | 第34-35页 |
| 3.3 基于数据挖掘的入侵检测系统的主要优点 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 Apriori 算法和K-Means 算法 | 第37-46页 |
| 4.1 Apriori 算法 | 第37-40页 |
| 4.1.1 Apriori 算法简述 | 第37-39页 |
| 4.1.2 Apriori 算法的不足及改进 | 第39页 |
| 4.1.3 改进的Apriori 算法 | 第39-40页 |
| 4.2 K-Means 算法 | 第40-45页 |
| 4.2.1 K-means 算法简述 | 第40-41页 |
| 4.2.2 K-means 算法的不足及改进 | 第41-43页 |
| 4.2.3 改进的K-means 算法 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 基于数据挖掘的Snort 入侵检测系统 | 第46-59页 |
| 5.1 系统框架 | 第46-49页 |
| 5.1.1 设计思想 | 第46-47页 |
| 5.1.2 模块功能简述 | 第47-48页 |
| 5.1.3 工作流程 | 第48-49页 |
| 5.2 核心模块设计 | 第49-51页 |
| 5.2.1 聚类分析模块 | 第49-50页 |
| 5.2.2 预检测引擎 | 第50页 |
| 5.2.3 特征提取器 | 第50-51页 |
| 5.3 模拟实验 | 第51-58页 |
| 5.3.1 实验环境 | 第51-52页 |
| 5.3.2 实验过程及结果分析 | 第52-58页 |
| 5.3.3 结论 | 第58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59页 |
| 6.2 今后的研究工作 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间已发表或录用的论文 | 第65页 |