基于程序行为的异常检测技术研究与实现
| 0 前言 | 第1-12页 |
| ·研究背景 | 第7-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文研究的内容和组织结构 | 第10-12页 |
| 1 入侵检测系统简介 | 第12-24页 |
| ·入侵检测定义 | 第12页 |
| ·入侵检测系统基本原理和模型 | 第12-14页 |
| ·Denning模型 | 第12-13页 |
| ·入侵检测系统基本功能 | 第13-14页 |
| ·入侵检测系统分类 | 第14-16页 |
| ·按数据来源分类 | 第14-15页 |
| ·按检测技术分类 | 第15-16页 |
| ·主要入侵检测方法 | 第16-18页 |
| ·异常检测的常用方法 | 第16-17页 |
| ·误用检测的常用方法 | 第17-18页 |
| ·常见躲避入侵检测的攻击技术 | 第18-23页 |
| ·插入攻击 | 第18页 |
| ·逃避攻击 | 第18-19页 |
| ·IP碎片攻击 | 第19-20页 |
| ·Unicode编码攻击 | 第20-21页 |
| ·拒绝服务攻击和分布式拒绝服务攻击 | 第21-23页 |
| ·小结 | 第23-24页 |
| 2 基于程序行为的异常检测 | 第24-30页 |
| ·对程序行为进行分析的优点 | 第24-26页 |
| ·在特权程序层次上监控异常 | 第24-25页 |
| ·分析系统调用的方法 | 第25-26页 |
| ·两种基于程序行为的异常检测方法 | 第26-29页 |
| ·TIDE方法 | 第26-28页 |
| ·RIPPER方法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 3 基于HMM／MLP混合模型的异常检测技术 | 第30-49页 |
| ·隐马尔可夫模型介绍 | 第30-36页 |
| ·马尔可夫链 | 第30-31页 |
| ·隐马尔可夫模型(HMM) | 第31-34页 |
| ·隐马尔可夫模型的三个基本问题 | 第34-36页 |
| ·基于隐马尔可夫模型(HMM)的异常检测方法 | 第36-37页 |
| ·基于HMM／MLP混合模型的异常检测方法 | 第37-49页 |
| ·MLP网络简介 | 第37-41页 |
| ·混合HMM／MLP异常检测系统 | 第41-45页 |
| ·试验及其结果 | 第45-49页 |
| 4 基于RBF网络的异常检测技术 | 第49-59页 |
| ·神经网络基本概念 | 第49-51页 |
| ·神经计算特点 | 第51-52页 |
| ·神经网络的学习 | 第52-54页 |
| ·神经网络的学习方式 | 第52-53页 |
| ·神经网络的学习规则 | 第53-54页 |
| ·神经网络在入侵检测中的应用简介 | 第54-55页 |
| ·基于RBF网络的入侵检测技术 | 第55-59页 |
| ·RBF网络 | 第55-56页 |
| ·RBF网络的训练 | 第56-57页 |
| ·实验结果及分析 | 第57-59页 |
| 5 结束语 | 第59-63页 |
| ·论文小结 | 第59-60页 |
| ·入侵检测的发展趋势 | 第60-63页 |
| ·入侵检测系统应该具有的良好特性 | 第60页 |
| ·入侵检测技术的发展趋势 | 第60-61页 |
| ·入侵检测系统的发展趋势 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
