基于特征学习的网络入侵检测的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·引言 | 第10页 |
| ·课题的背景 | 第10-12页 |
| ·网络面临的主要威胁 | 第10-11页 |
| ·网络安全应对策略及存在缺陷 | 第11页 |
| ·入侵检测系统的产生 | 第11-12页 |
| ·课题描述 | 第12页 |
| ·本文所做的工作 | 第12-13页 |
| ·论文的组织 | 第13-14页 |
| 第二章 入侵检测技术 | 第14-23页 |
| ·入侵检测概念 | 第14-15页 |
| ·入侵检测的发展历史 | 第15-16页 |
| ·入侵检测系统的分类 | 第16-17页 |
| ·基于主机的入侵检测系统 | 第16-17页 |
| ·基于网络的入侵检测系统 | 第17页 |
| ·入侵检测技术 | 第17-19页 |
| ·异常检测模型 | 第17-19页 |
| ·误用检测模型 | 第19页 |
| ·当前入侵检测方法的研究 | 第19-21页 |
| ·基于数据挖掘入侵检测 | 第19-20页 |
| ·基于免疫系统入侵检侧 | 第20页 |
| ·基于神经网络入侵检测 | 第20-21页 |
| ·入侵检测标准化 | 第21-22页 |
| ·IDS 的体系结构 | 第21页 |
| ·通信机制 | 第21-22页 |
| ·公共入侵规范语言 | 第22页 |
| ·未来需求与发展前景 | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 基于特征学习的网络入侵检测技术的研究 | 第23-47页 |
| ·基于改进的加权关联规则的入侵检测 | 第23-36页 |
| ·引言 | 第23页 |
| ·数据挖掘技术与入侵检测 | 第23-26页 |
| ·关联规则 | 第26-30页 |
| ·基于关联规则的入侵检测系统 | 第30-31页 |
| ·用改进的加权关联规则提取入侵特征 | 第31-33页 |
| ·用改进后算法提取入侵特征的优势 | 第33页 |
| ·实验及结果分析 | 第33-36页 |
| ·基于模糊动态聚类的入侵检测 | 第36-47页 |
| ·引言 | 第36页 |
| ·聚类及其发展动向 | 第36-38页 |
| ·模糊聚类及相关模糊知识介绍 | 第38-40页 |
| ·用模糊动态聚类实现特征集泛化 | 第40-42页 |
| ·实验及结果分析 | 第42-47页 |
| 第四章 基于特征学习的网络入侵检测系统设计 | 第47-58页 |
| ·总体框架 | 第47-48页 |
| ·系统要求 | 第47页 |
| ·系统运行与开发平台 | 第47-48页 |
| ·框架模型 | 第48页 |
| ·规则学习过程 | 第48-49页 |
| ·网络数据报的底层捕获 | 第49-51页 |
| ·利用以太网络的广播特性进行截获 | 第49-50页 |
| ·基于路由器的网络截获技术 | 第50页 |
| ·Windows 平台下的WINPCAP 库 | 第50-51页 |
| ·网络协议解析 | 第51-54页 |
| ·TCP/IP 协议解析基础 | 第51-53页 |
| ·协议解析的过程 | 第53-54页 |
| ·规则解析设计 | 第54-57页 |
| ·Snort 的规则解析 | 第54-55页 |
| ·规则存储体的改进 | 第55-56页 |
| ·规则解析的算法 | 第56-57页 |
| ·实时检测 | 第57页 |
| ·小结 | 第57-58页 |
| 第五章 结论及展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录:攻读硕士学位期间发表的论文 | 第64页 |
