| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 相关研究工作 | 第12-16页 |
| 1.2.1 计算机取证的研究现状 | 第12-13页 |
| 1.2.2 审计日志的研究现状 | 第13-14页 |
| 1.2.3 并行计算的相关技术 | 第14-16页 |
| 1.3 本文主要研究 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 审计日志自动简化技术研究现状 | 第18-25页 |
| 2.1 基于分类的审计日志自动简化技术 | 第18-19页 |
| 2.2 基于聚类的审计日志自动简化技术 | 第19-20页 |
| 2.3 基于离群点检测的审计日志自动简化技术 | 第20-21页 |
| 2.4 基于人工智能的审计日志自动简化技术 | 第21-22页 |
| 2.5 审计日志自动简化技术的分析与对比 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于信息论和属性权重的并行取证日志自动删减方法 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 基于Hadoop框架的并行化计算 | 第25-27页 |
| 3.2.1 HDFS的工作原理 | 第26-27页 |
| 3.2.2 MapReduce模式的工作原理 | 第27页 |
| 3.3 基于信息论和属性权重的并行离群点挖掘算法 | 第27-34页 |
| 3.3.1 相关定义 | 第27-30页 |
| 3.3.2 算法的设计与实现 | 第30-34页 |
| 3.4 冗余及无用日志自动删减框架 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 算法实验与结果分析 | 第38-55页 |
| 4.1 Forensix系统 | 第38-40页 |
| 4.2 实验与分析 | 第40-54页 |
| 4.2.1 并行算法的实验结果与分析 | 第40-42页 |
| 4.2.2 Windows系统日志的实验结果与分析 | 第42-44页 |
| 4.2.3 Windows Darpa2000的实验结果与分析 | 第44-46页 |
| 4.2.4 Windows snort的实验结果与分析 | 第46-47页 |
| 4.2.5 Windows安全日志的实验结果与分析 | 第47-49页 |
| 4.2.6 syslog的实验结果与分析 | 第49-50页 |
| 4.2.7 Linux Darpa2000的实验结果与分析 | 第50-51页 |
| 4.2.8 Linux snort的实验结果与分析 | 第51-52页 |
| 4.2.9 BSM Audit Log的实验结果与分析 | 第52-53页 |
| 4.2.10 方法比较与分析 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文总结 | 第55页 |
| 5.2 进一步工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间成果列表 | 第62-64页 |
