贝叶斯网络在多步攻击中应用研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 国内外现状 | 第12-14页 |
| 1.2.1 基于警报关联的多步攻击分析方法 | 第12-13页 |
| 1.2.2 典型多步攻击分析算法分类 | 第13-14页 |
| 1.3 论文结构 | 第14-15页 |
| 第2章 多步攻击和入侵检测技术相关 | 第15-32页 |
| 2.1 多步攻击 | 第15-24页 |
| 2.1.1 多步攻击介绍 | 第15-21页 |
| 2.1.2 主要的防范方法 | 第21-24页 |
| 2.2 入侵检测技术 | 第24-31页 |
| 2.2.1 入侵检测系统 | 第24-25页 |
| 2.2.2 通用入侵检测框架 | 第25-26页 |
| 2.2.3 入侵检测技术典型分类 | 第26-28页 |
| 2.2.4 发展趋势和存在问题 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 逻辑关系关联和贝叶斯算法 | 第32-38页 |
| 3.1 逻辑关系关联 | 第32-34页 |
| 3.1.1 逻辑关系关联简介 | 第32-33页 |
| 3.1.2 逻辑关系关联算法的实现过程 | 第33-34页 |
| 3.2 朴素贝叶斯与贝叶斯网络 | 第34-37页 |
| 3.2.1 贝叶斯决策方法 | 第34页 |
| 3.2.2 朴素贝叶斯 | 第34-35页 |
| 3.2.3 贝叶斯网络 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于贝叶斯的多步攻击检测方法 | 第38-52页 |
| 4.1 基于朴素贝叶斯的特征提取算法 | 第38-42页 |
| 4.1.1 基于信息熵的特征提取方法 | 第38-39页 |
| 4.1.2 特征提取算法的实现 | 第39-42页 |
| 4.2 基于贝叶斯网络的多步攻击检测算法 | 第42-46页 |
| 4.2.1 贝叶斯网络建模的过程 | 第43-45页 |
| 4.2.2 贝叶斯网络建模的实现 | 第45页 |
| 4.2.3 基于贝叶斯网络的多步攻击检测算法 | 第45-46页 |
| 4.3 实验结果与评估 | 第46-51页 |
| 4.3.1 特征提取方法 | 第47-49页 |
| 4.3.2 贝叶斯网络建模 | 第49-50页 |
| 4.3.4 实验结果评估 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52页 |
| 5.2 未来工作 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
