摘要 | 第1-5页 |
ABSTRACT | 第5-14页 |
第一章 绪论 | 第14-18页 |
·引言 | 第14页 |
·网络安全现状 | 第14-15页 |
·课题研究目的及意义 | 第15-16页 |
·论文的主要工作及组织结构 | 第16-18页 |
第二章 入侵检测技术 | 第18-30页 |
·入侵及入侵检测系统 | 第18-22页 |
·入侵的定义及常见入侵行为 | 第18-20页 |
·入侵攻击的发展趋势 | 第20-21页 |
·入侵检测及入侵检测系统 | 第21-22页 |
·入侵检测系统基本构成 | 第22页 |
·入侵检测系统的分类 | 第22-24页 |
·基于主机的入侵检测系统 | 第23页 |
·基于网络的入侵检测系统 | 第23-24页 |
·混合型入侵检测系统 | 第24页 |
·入侵检测的方法 | 第24-26页 |
·异常入侵检测 | 第24-25页 |
·误用入侵检测 | 第25-26页 |
·入侵检测技术的发展 | 第26-30页 |
·入侵检测技术的发展过程 | 第26-28页 |
·入侵检测技术的发展现状及存在问题 | 第28-29页 |
·入侵检测技术的发展趋势 | 第29-30页 |
第三章 基于人工神经网络的入侵检测 | 第30-34页 |
·人工神经网络概述 | 第30-32页 |
·人工神经网络组成 | 第30-31页 |
·人工神经网络的工作原理 | 第31-32页 |
·人工神经网络应用于入侵检测的优点 | 第32页 |
·基于人工神经网络的入侵检测系统模型 | 第32-34页 |
第四章 基于数据挖掘的入侵检测 | 第34-37页 |
·数据挖掘 | 第34页 |
·数据挖掘与入侵检测 | 第34页 |
·数据挖掘在入侵检测中的作用 | 第34-35页 |
·基于数据挖掘的入侵检测系统框架 | 第35-36页 |
·与入侵检测相关的数据挖掘算法 | 第36-37页 |
·分类算法(Classification Analysis) | 第36页 |
·关联分析算法(Association Analysis) | 第36页 |
·序列分析算法(Sequence Analysis) | 第36-37页 |
第五章 基于网络的智能化入侵检测系统模型的设计与实现 | 第37-67页 |
·系统的总体定位 | 第37页 |
·基于网络的智能化入侵检测系统结构 | 第37-39页 |
·网络嗅探器的设计 | 第39-40页 |
·网络嗅探器的位置 | 第39-40页 |
·网络嗅探器的结构 | 第40页 |
·网络数据获取 | 第40-44页 |
·网络数据获取的原理 | 第40-41页 |
·以太网卡的工作原理 | 第41页 |
·数据捕获技术 | 第41-42页 |
·Windows 下捕获数据包的结构设计 | 第42-44页 |
·网络数据分析 | 第44-52页 |
·TCP/IP 协议族 | 第44-48页 |
·数据包解析 | 第48-51页 |
·数据包预处理 | 第51-52页 |
·数据检测模块的设计与实现 | 第52-65页 |
·神经网络入侵检测模块功能描述 | 第52-53页 |
·神经网络入侵检测模块实现 | 第53-59页 |
·神经网络算法选择--BP 算法 | 第53-54页 |
·BP 算法数学表达 | 第54-55页 |
·BP 神经网络设计 | 第55-56页 |
·BP 算法实现 | 第56-59页 |
·数据挖掘入侵检测模块的功能描述 | 第59页 |
·数据挖掘入侵检测模块实现 | 第59-65页 |
·数据挖掘算法选择--C4.5 算法 | 第59-60页 |
·C4.5 算法改进 | 第60-61页 |
·C4.5 算法实现 | 第61-65页 |
·入侵响应模块 | 第65-67页 |
·入侵响应技术 | 第65-66页 |
·入侵响应模块的功能 | 第66-67页 |
第六章 实验及分析 | 第67-74页 |
·实验数据选择 | 第67-68页 |
·神经网络入侵检测模块训练 | 第68-70页 |
·BP 网络参数设定 | 第68-69页 |
·BP 网络的训练 | 第69-70页 |
·数据挖掘入侵检测模块规则抽取 | 第70-71页 |
·ANN/DM 模型测试及结果分析 | 第71-73页 |
·本章小结 | 第73-74页 |
第七章 总结与展望 | 第74-76页 |
参考文献 | 第76-80页 |
致谢 | 第80-81页 |
在学期间的研究成果及发表的学术论文 | 第81页 |