| 第一章 绪论 | 第1-17页 |
| ·引言 | 第14页 |
| ·网络安全与入侵检测 | 第14-15页 |
| ·本论文的主要工作及结构安排 | 第15-17页 |
| 第二章 入侵检测基础 | 第17-26页 |
| ·入侵检测的研究背景和现状 | 第17-18页 |
| ·入侵检测的概念和分类 | 第18-20页 |
| ·入侵检测的概念 | 第18-19页 |
| ·分类 | 第19-20页 |
| ·入侵检测模型 | 第20-22页 |
| ·Denning模型 | 第20-21页 |
| ·CIDF模型 | 第21-22页 |
| ·经典的入侵检测方法 | 第22-25页 |
| ·异常检测技术 | 第22-24页 |
| ·误用检测技术 | 第24-25页 |
| ·入侵检测的发展方向 | 第25-26页 |
| 第三章 入侵行为描述 | 第26-37页 |
| ·拒绝服务攻击(DOS) | 第26-30页 |
| ·SYNFlooding(Neptune) | 第26-27页 |
| ·Ping of Death(Pod) | 第27页 |
| ·碎片攻击 | 第27-28页 |
| ·Land攻击 | 第28-29页 |
| ·分布式拒绝服务攻击(DDoS) | 第29-30页 |
| ·Smurf攻击 | 第30页 |
| ·探测攻击(Probing) | 第30-31页 |
| ·远程用户到本地的非授权访问(R2L) | 第31-34页 |
| ·特洛伊木马 | 第31-32页 |
| ·IP欺骗(IP Spoofing) | 第32-34页 |
| ·非授权获得超级用户权限攻击(User to Root) | 第34-37页 |
| ·Buffer Overflow | 第34-35页 |
| ·Rootkit | 第35-37页 |
| 第四章 人工神经网络概述 | 第37-41页 |
| ·神经网络基本概念 | 第37-39页 |
| ·神经网络的分类与学习规则 | 第39-41页 |
| ·神经网络的分类 | 第39页 |
| ·神经网络学习规则 | 第39-41页 |
| 第五章 网络数据流获取与特征提取 | 第41-53页 |
| ·网络试验环境的搭建 | 第41-42页 |
| ·网络数据包的截取 | 第42-43页 |
| ·协议分析 | 第43-47页 |
| ·TCP／IP协议分析 | 第43-46页 |
| ·基于TCP／IP的网络IP数据包的解析 | 第46-47页 |
| ·数据包的特征提取 | 第47-52页 |
| ·传统的特征提取方法 | 第47-48页 |
| ·改进的特征提取方法 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 基于BP神经网络和决策树的检测模型的设计与实现 | 第53-68页 |
| ·基于BP神经网络的网络入侵检测模型 | 第53-59页 |
| ·BP神经网络 | 第53-57页 |
| ·BP神经网络结构的选择 | 第57-59页 |
| ·BP神经网络对网络攻击的检测 | 第59-62页 |
| ·基于CART决策树的网络入侵检测模型 | 第62-64页 |
| ·基于BP神经网络和CART决策树的网络检测模型 | 第64-67页 |
| ·入侵检测模型结构 | 第64-66页 |
| ·混合模型系统评测 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 | 第71-72页 |
| 致谢 | 第72-73页 |
| 研究成果及发表的学术论文 | 第73页 |