| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外相关研究 | 第13-16页 |
| 1.2.1 蜜罐技术研究现状 | 第13-14页 |
| 1.2.2 数据挖掘研究现状 | 第14-15页 |
| 1.2.3 蜜罐日志分析研究现状 | 第15-16页 |
| 1.3 论文的主要工作及章节安排 | 第16-17页 |
| 第二章 蜜罐及Honeyd技术概述 | 第17-23页 |
| 2.1 蜜罐的基本概念 | 第17页 |
| 2.2 主要蜜罐工具 | 第17-18页 |
| 2.3 Honeyd 蜜罐系统 | 第18-22页 |
| 2.3.1 Honeyd的优势 | 第18页 |
| 2.3.2 功能原理 | 第18-19页 |
| 2.3.3 体系结构 | 第19-21页 |
| 2.3.4 日志监控 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 数据挖掘技术概述 | 第23-29页 |
| 3.1 引言 | 第23页 |
| 3.2 数据挖掘对蜜罐日志分析的必要性 | 第23-24页 |
| 3.3 数据挖掘的原理 | 第24-25页 |
| 3.4 数据挖掘算法 | 第25-28页 |
| 3.4.1 聚类分析 | 第26-27页 |
| 3.4.2 关联规则挖掘 | 第27页 |
| 3.4.3 序列模式挖掘 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 Honeyd蜜罐日志分析算法与实现 | 第29-54页 |
| 4.1 Honeyd 日志格式 | 第29-30页 |
| 4.2 聚类分析提取网络攻击模式 | 第30-38页 |
| 4.2.1 引言 | 第30-31页 |
| 4.2.2 互联网异常流量的NetFlow 分析 | 第31-34页 |
| 4.2.3 网络连接记录间的距离度量 | 第34-36页 |
| 4.2.4 构建聚类算法 | 第36-37页 |
| 4.2.5 规则提取 | 第37-38页 |
| 4.3 关联规则挖掘攻击的相关性 | 第38-43页 |
| 4.3.1 引言 | 第38-39页 |
| 4.3.2 数据预处理 | 第39页 |
| 4.3.3 经典算法 | 第39-41页 |
| 4.3.4 Apriori Proba 算法 | 第41-43页 |
| 4.4 对攻击模式进行序列模式挖掘 | 第43-52页 |
| 4.4.1 序列规则定义 | 第43-44页 |
| 4.4.2 数据预处理 | 第44页 |
| 4.4.3 序列模式的发现 | 第44-46页 |
| 4.4.4 序列阶段 | 第46-50页 |
| 4.4.5 Dyanmic count-some 算法 | 第50-51页 |
| 4.4.6 Selected AprioriAll算法 | 第51-52页 |
| 4.5 数据挖掘实现的优化 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 实验测试及结果分析 | 第54-65页 |
| 5.1 实验环境 | 第54-55页 |
| 5.2 数据过滤 | 第55-56页 |
| 5.3 最小支持度与置信度的阈值 | 第56-58页 |
| 5.4 数据挖掘测试与结果分析 | 第58-63页 |
| 5.5 算法比较 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 全文总结与展望 | 第65-67页 |
| 6.1 主要结论 | 第65-66页 |
| 6.2 未来研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 符号与标记（附录1） | 第70-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已录用的论文 | 第72-74页 |