基于贝叶斯分类的入侵检测规则学习模型的研究与实现
摘要 | 第1-5页 |
Abstract | 第5-13页 |
第一章 绪论 | 第13-18页 |
·课题提出的意义和背景 | 第13-14页 |
·国内外研究现状 | 第14-16页 |
·论文的组织结构 | 第16-18页 |
第二章 入侵检测系统 | 第18-28页 |
·入侵检测系统定义 | 第18页 |
·入侵检测系统的组成部分 | 第18-19页 |
·入侵检测系统的分类 | 第19-24页 |
·滥用检测和异常检测 | 第20-23页 |
·滥用检测技术原理 | 第20页 |
·滥用检测系统的类型 | 第20-21页 |
·异常检测技术原理 | 第21页 |
·异常检测系统的类型 | 第21-22页 |
·滥用检测与异常检测的比较 | 第22-23页 |
·基于主机的入侵检测和基于网络的入侵检测 | 第23-24页 |
·基于主机的入侵检测系统 | 第23页 |
·基于网络的入侵检测系统 | 第23-24页 |
·基于主机和基于网络的入侵检测系统的比较 | 第24页 |
·入侵检测系统的CIDF 模型 | 第24-26页 |
·CIDF 的体系结构 | 第24-25页 |
·CIDF 的通信机制 | 第25页 |
·CIDF 语言 | 第25-26页 |
·CIDF 的API 接口 | 第26页 |
·CIDF 的不足 | 第26页 |
·计算机系统的P~2DR 安全模型 | 第26-28页 |
第三章 数据挖掘技术 | 第28-36页 |
·数据挖掘的概念 | 第28-29页 |
·数据挖掘算法 | 第29-32页 |
·关联分析算法 | 第30页 |
·分类分析算法 | 第30-31页 |
·聚类分析算法 | 第31页 |
·序列模式算法 | 第31-32页 |
·基于数据挖掘的入侵检测系统 | 第32-36页 |
·数据挖掘在入侵检测中的作用 | 第32-33页 |
·体系结构 | 第33-34页 |
·存在的问题 | 第34-36页 |
第四章 入侵检测系统的分析与设计 | 第36-45页 |
·系统设计的总体要求 | 第36-37页 |
·入侵检测系统的体系结构 | 第37-39页 |
·关于体系结构的几点考虑 | 第37页 |
·入侵检测系统结构 | 第37-39页 |
·入侵检测系统与项目中其他系统的结构关系 | 第39-41页 |
·项目整体系统的体系结构 | 第39页 |
·防火墙系统 | 第39-40页 |
·蜜罐系统 | 第40-41页 |
·三个系统之间的关系 | 第41页 |
·入侵检测系统的流程设计 | 第41-45页 |
·数据挖掘算法的流程设计 | 第41-42页 |
·入侵检测系统的流程 | 第42-44页 |
·系统实现平台及开发工具介绍 | 第44-45页 |
第五章 规则学习模型的实现 | 第45-72页 |
·贝叶斯分类算法 | 第45-50页 |
·选择贝叶斯分类算法的理由 | 第45-46页 |
·贝叶斯分类算法 | 第46-48页 |
·贝叶斯定理 | 第46页 |
·朴素贝叶斯分类 | 第46-48页 |
·改进贝叶斯分类算法 | 第48-50页 |
·朴素贝叶斯分类的缺陷 | 第48页 |
·增量学习概念 | 第48-49页 |
·增量学习策略 | 第49-50页 |
·增量学习的效果 | 第50页 |
·贝叶斯分类器的实现 | 第50-63页 |
·朴素贝叶斯分类器的实现 | 第51-59页 |
·先验概率的获取 | 第51-55页 |
·由先验概率求后验概率 | 第55-57页 |
·实验中的相关分析 | 第57-59页 |
·增量学习策略对朴素贝叶斯分类器的改进 | 第59-62页 |
·增量学习策略的实验情况 | 第62页 |
·基于贝叶斯分类的入侵检测部件结构 | 第62-63页 |
·网络入侵规则的建立 | 第63-68页 |
·规则结构 | 第63-64页 |
·规则组成 | 第64页 |
·规则解析流程 | 第64-67页 |
·规则管理 | 第67-68页 |
·主机入侵规则的建立 | 第68-72页 |
·主机信息的捕获 | 第68页 |
·规则结构 | 第68-69页 |
·规则组成 | 第69页 |
·规则解析 | 第69-71页 |
·规则管理 | 第71-72页 |
第六章 总结与展望 | 第72-74页 |
参考文献 | 第74-77页 |
致谢 | 第77-78页 |
学期间的研究成果及发表的学术论文 | 第78页 |