| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究目的与主要内容 | 第13-14页 |
| 1.4 本文创新点 | 第14页 |
| 1.5 本文组织结构 | 第14-16页 |
| 第二章 内部用户和内部威胁模型简介 | 第16-28页 |
| 2.1 内部用户定义极其行为轨迹 | 第16-21页 |
| 2.1.1 内部用户 | 第16-19页 |
| 2.1.2 内部用户操作 | 第19-20页 |
| 2.1.3 用户的操作行为轨迹 | 第20-21页 |
| 2.2 基于角色的内部威胁检测模型 | 第21-27页 |
| 2.2.1 模型描述 | 第22-23页 |
| 2.2.2 工作原理 | 第23-26页 |
| 2.2.3 性能分析 | 第26-27页 |
| 2.3 小结 | 第27-28页 |
| 第三章 HMM 隐马尔可夫模型 | 第28-39页 |
| 3.1 HMM 模型的概念 | 第28-30页 |
| 3.2 经典隐马尔可夫模型的三个基本问题 | 第30-31页 |
| 3.3 HMM 模型问题 1 的解答 | 第31-34页 |
| 3.3.1 前向算法 | 第32-33页 |
| 3.3.2 后向算法 | 第33-34页 |
| 3.4 HMM 模型问题 2 的解答 | 第34-36页 |
| 3.5 HMM 模型问题 3 的求解 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 概率异常检测算法 | 第39-43页 |
| 4.1 检测异常模型 | 第39-40页 |
| 4.2 异常概率算法运用于入侵检测 | 第40-41页 |
| 4.3 基于隐马尔可夫模型的混合模型 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于异常概率和隐马尔科夫模型资源滥用行为检测实验方法 | 第43-51页 |
| 5.1 利用文件监控技术获取用户行为数据 | 第43-44页 |
| 5.2 数据处理 | 第44-45页 |
| 5.3 定长 HMM 模型建立异常概率算法的概率分布函数 | 第45-47页 |
| 5.4 基于异常概率的资源滥用行为检测方法 | 第47-48页 |
| 5.5 实时检测部分 | 第48页 |
| 5.6 基于异常概率和隐马尔可夫的混合模型资源滥用行为检测算法流程 | 第48-49页 |
| 5.7 实验过程及结果 | 第49-50页 |
| 5.8 本章小结 | 第50-51页 |
| 第六章 结论与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 成果目录 | 第56-57页 |
| 致谢 | 第57页 |
