| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究意义和目的 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文研究内容与组织结构 | 第11-13页 |
| 第二章 HTTP 攻击检测技术 | 第13-21页 |
| ·HTTP 攻击 | 第13-17页 |
| ·HTTP 协议 | 第13-14页 |
| ·HTTP 攻击方法 | 第14-17页 |
| ·HTTP 攻击检测技术 | 第17-20页 |
| ·基于计算距离度量相似度的检测技术 | 第17-19页 |
| ·基于机器学习分类算法的检测技术 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于混合 N-gram 的 HTTP 攻击检测模型 | 第21-31页 |
| ·基于隐含马尔科夫检测模型 | 第21-24页 |
| ·基于混合 N-gram 的 HTTP 攻击检测模型框架 | 第24-27页 |
| ·检测模型性能评价标准 | 第27-29页 |
| ·检测模型的分类性能指标 | 第27-28页 |
| ·ROC 曲线 | 第28-29页 |
| ·AUC | 第29页 |
| ·本章小结 | 第29-31页 |
| 第四章 混合 N-gram 特征提取 | 第31-45页 |
| ·特征提取与特征选择 | 第31-35页 |
| ·N-gram 特征提取 | 第31-32页 |
| ·信息增益特征选择方法 | 第32-35页 |
| ·混合 N-gram 特征提取方法 | 第35-37页 |
| ·混合 N-gram 特征向量提取流程 | 第37-43页 |
| ·数据获取与采集模块 | 第37-39页 |
| ·数据预处理模块 | 第39-42页 |
| ·特征提取与特征选择模块 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 HTTP 攻击检测方法 | 第45-59页 |
| ·基于计算距离度量相似度的检测 | 第45-54页 |
| ·计算卡方距离的相似度检测 | 第45-47页 |
| ·改进计算距离的相似度检测 | 第47-49页 |
| ·基于计算距离度量相似度的检测结果 | 第49-54页 |
| ·基于机器学习检测方法 | 第54-58页 |
| ·基于决策树算法的检测 | 第55-57页 |
| ·基于决策树算法的检测效果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结束语 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间参与的科研工作 | 第67-68页 |