基于主机的入侵检测方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 数据挖掘技术简介 | 第11-12页 |
| 1.2 序列挖掘 | 第12-15页 |
| 1.2.1 序列挖掘的主要阶段 | 第13页 |
| 1.2.2 序列挖掘的理论基础 | 第13-15页 |
| 1.3 入侵检测技术 | 第15-20页 |
| 1.3.1 入侵检测的定义 | 第15页 |
| 1.3.2 入侵检测分类 | 第15-17页 |
| 1.3.3 入侵检测的发展 | 第17页 |
| 1.3.4 入侵检测系统模型 | 第17-18页 |
| 1.3.5 入侵检测系统能够检测的攻击类型 | 第18-19页 |
| 1.3.6 入侵检测系统的共同特点 | 第19-20页 |
| 1.3.7 未来入侵检测技术的发展方向 | 第20页 |
| 1.4 研究背景 | 第20-21页 |
| 1.5 研究现状 | 第21-22页 |
| 1.6 面临问题及研究方向 | 第22-23页 |
| 1.6.1 问题提出 | 第22-23页 |
| 1.6.2 研究方向 | 第23页 |
| 1.7 本论文组织 | 第23-25页 |
| 第二章 基于主机的入侵检测简介 | 第25-28页 |
| 2.1 基于主机的入侵检测系统结构 | 第25-26页 |
| 2.1.1 集中式体系结构 | 第25-26页 |
| 2.1.2 分布式体系结构 | 第26页 |
| 2.2 基于主机入侵检测的优点 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于免疫学原理的入侵检测方法 | 第28-34页 |
| 3.1 算法基本原理 | 第28-30页 |
| 3.2 异常行为的检测 | 第30-32页 |
| 3.3 基于免疫学原理的入侵检测方法特点 | 第32页 |
| 3.4 本章小节 | 第32-34页 |
| 第四章 基于频繁统计的滑动窗口序列分析方法 | 第34-41页 |
| 4.1 基于统计原理的检测 | 第34页 |
| 4.2 基于统计原理的检测模型 | 第34-35页 |
| 4.3 基于统计的滑动窗口算法基本描述 | 第35页 |
| 4.4 算法主要过程描述 | 第35-38页 |
| 4.5 异常行为的检测 | 第38页 |
| 4.6 基于频繁统计的滑动窗口方法的改进 | 第38-40页 |
| 4.6.1 改进正常行为模式库结构 | 第38-39页 |
| 4.6.2 提高短序列检测效率的方法 | 第39页 |
| 4.6.3 提高超长序列检测有效性的方法 | 第39-40页 |
| 4.7 本章小结 | 第40-41页 |
| 第五章 基于权值树的序列检测方法 | 第41-49页 |
| 5.1 算法的基本描述 | 第41-45页 |
| 5.1.1 算法描述 | 第41页 |
| 5.1.2 算法主要过程描述 | 第41-45页 |
| 5.2 对异常行为的检测 | 第45-46页 |
| 5.2.1 检测原理 | 第45页 |
| 5.2.2 权值序列的产生 | 第45-46页 |
| 5.2.3 检测方式 | 第46页 |
| 5.3 面临的问题及算法改进 | 第46-48页 |
| 5.3.1 基于衰减原理的改进 | 第46-47页 |
| 5.3.2 基于Hamm距离的改进 | 第47-48页 |
| 5.4 本章小节 | 第48-49页 |
| 第六章 算法比较及其讨论 | 第49-58页 |
| 6.1 实验数据集的选取 | 第49页 |
| 6.2 检测方法比较 | 第49-57页 |
| 6.2.1 算法训练耗时比较 | 第49-51页 |
| 6.2.2 算法训练时内存耗费比较 | 第51-53页 |
| 6.2.3 算法检测耗时比较 | 第53-55页 |
| 6.2.4 算法检测精度比较 | 第55-57页 |
| 6.3 本章小节 | 第57-58页 |
| 结论 | 第58-62页 |
| 论文的主要工作 | 第58-59页 |
| 论文的创新工作 | 第59页 |
| 检测方法的总体评测 | 第59-60页 |
| 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间所发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
