| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 主要研究工作 | 第13-14页 |
| 1.4 论文组织与结构 | 第14-15页 |
| 第二章 Snort规则文件优化分组方法研究 | 第15-32页 |
| 2.1 Snort | 第15-17页 |
| 2.1.1 Snort基本工作模式 | 第15页 |
| 2.1.2 Snort的网络入侵检测系统模式 | 第15-17页 |
| 2.2 Snort插件机制 | 第17-20页 |
| 2.2.1 预处理插件 | 第17-19页 |
| 2.2.2 检测处理插件 | 第19页 |
| 2.2.3 输出插件 | 第19-20页 |
| 2.3 Snort规则构成分析 | 第20-23页 |
| 2.3.1 规则头 | 第20-21页 |
| 2.3.2 规则选项 | 第21-23页 |
| 2.4 基于Snort构建分布式网络入侵检测系统的可行性分析 | 第23-25页 |
| 2.5 基于规则依赖性的Snort规则文件优化分组方法 | 第25-30页 |
| 2.5.1 Snort规则库文件分组方法分析 | 第25-27页 |
| 2.5.2 Snort规则库文件的模块化分组 | 第27-29页 |
| 2.5.3 Snort预处理器分组 | 第29-30页 |
| 2.5.4 Snort规则模块和预处理器分组的内存负载评估 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于区域覆盖的分布式入侵检测模型 | 第32-45页 |
| 3.1 基于区域覆盖的分布式入侵检测模型 | 第32-36页 |
| 3.1.1 基本定义 | 第33-35页 |
| 3.1.2 模型定义 | 第35-36页 |
| 3.2 RCDID模型算法 | 第36-39页 |
| 3.2.1 RCO算法设计 | 第36-38页 |
| 3.2.2 RCO算法示例说明 | 第38-39页 |
| 3.3 RCDID模型功能模块设计与实现 | 第39-43页 |
| 3.3.1 模型功能模块设计 | 第39-40页 |
| 3.3.2 核心功能模块实现 | 第40-43页 |
| 3.4 与典型检测方法的对比 | 第43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 实验仿真与结果分析 | 第45-64页 |
| 4.1 实验环境搭建 | 第45-46页 |
| 4.2 实验数据集 | 第46-54页 |
| 4.2.1 LBNL-Trace数据集介绍 | 第46-47页 |
| 4.2.2 数据集处理工具 | 第47-49页 |
| 4.2.3 实验数据集预处理 | 第49-54页 |
| 4.3 RCDID模型验证实验 | 第54-60页 |
| 4.3.1 实验设计 | 第54页 |
| 4.3.2 评估指标的构建 | 第54-56页 |
| 4.3.3 实验过程 | 第56-60页 |
| 4.4 RCDID模型适应性评估实验 | 第60-63页 |
| 4.4.1 不同规则模块分组的平均链路覆盖率 | 第60页 |
| 4.4.2 网络密度对RCDID模型检测性能的影响 | 第60-62页 |
| 4.4.3 不同检测方法的性能对比 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71-72页 |
