基于流量分析的入侵检测模型研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本论文的研究内容与结构安排 | 第14-16页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 论文结构 | 第14-16页 |
| 第2章 入侵检测技术研究 | 第16-21页 |
| 2.1 入侵检测介绍 | 第16-18页 |
| 2.1.1 入侵检测的概念和通用模型 | 第16-17页 |
| 2.1.2 入侵检测系统分类 | 第17-18页 |
| 2.2 入侵检测技术 | 第18-20页 |
| 2.2.1 误用检测技术 | 第18-19页 |
| 2.2.2 异常检测技术 | 第19-20页 |
| 2.3 入侵检测技术发展趋势 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于模式匹配的入侵检测方法研究 | 第21-34页 |
| 3.1 模式匹配技术 | 第21-23页 |
| 3.1.1 模式匹配技术原理 | 第21-22页 |
| 3.1.2 基于模式匹配的NIDS的框架 | 第22页 |
| 3.1.3 模式匹配技术面临的问题 | 第22-23页 |
| 3.2 模式匹配算法分析 | 第23-28页 |
| 3.2.1 BM算法 | 第23-25页 |
| 3.2.2 KMP算法 | 第25-26页 |
| 3.2.3 BMH算法 | 第26-27页 |
| 3.2.4 BMHS算法 | 第27-28页 |
| 3.3 改进BMHS算法的设计 | 第28-33页 |
| 3.3.1 设计思路 | 第29-30页 |
| 3.3.2 算法的描述 | 第30-31页 |
| 3.3.3 算法的性能分析 | 第31页 |
| 3.3.4 实验对比与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于神经网络的入侵检测方法研究 | 第34-51页 |
| 4.1 神经网络技术 | 第34-38页 |
| 4.1.1 神经网络模型 | 第34-35页 |
| 4.1.2 神经网络的网络拓扑结构 | 第35-37页 |
| 4.1.3 神经网络学习方式 | 第37-38页 |
| 4.1.4 神经网络特点 | 第38页 |
| 4.2 BP神经网络及其改进 | 第38-44页 |
| 4.2.1 BP神经网络 | 第38-41页 |
| 4.2.2 BP神经网络存在局限 | 第41-42页 |
| 4.2.3 BP神经网络的改进措施 | 第42-44页 |
| 4.3 基于GA-BPNN网络入侵异常检测模型 | 第44-47页 |
| 4.4 仿真实验及结果分析 | 第47-50页 |
| 4.4.1 特征选择 | 第47-48页 |
| 4.4.2 实验结果评价标准选择 | 第48页 |
| 4.4.3 BP神经网络设计与遗传算法参数设置 | 第48-49页 |
| 4.4.4 结果和讨论 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 一种新的入侵检测系统模型设计 | 第51-58页 |
| 5.1 模型的总体设计 | 第51-52页 |
| 5.2 基于模式匹配的入侵检测模型 | 第52-54页 |
| 5.3 基于GA-BPNN的入侵检测模型 | 第54页 |
| 5.4 日志/报警模块 | 第54页 |
| 5.5 测试和分析 | 第54-56页 |
| 5.5.1 测试方法 | 第54-55页 |
| 5.5.2 测试数据 | 第55-56页 |
| 5.5.3 测试及结果分析 | 第56页 |
| 5.6 本章小结 | 第56-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 论文研究工作总结 | 第58页 |
| 6.2 研究工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |
