| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 概述 | 第10-25页 |
| ·研究背景、目的及意义 | 第10-13页 |
| ·国内外研究现状及不足 | 第13-22页 |
| ·国内外研究现状 | 第13-15页 |
| ·入侵检测技术 | 第15-20页 |
| ·现有研究工作的不足 | 第20-22页 |
| ·本文的研究内容与论文框架 | 第22-25页 |
| 第二章 Snort原理分析及入侵检测实验平台 | 第25-40页 |
| ·Snort简介 | 第25-26页 |
| ·Snort与Tcpdump | 第26页 |
| ·Snort与NFR | 第26页 |
| ·Snort原理 | 第26-31页 |
| ·Snort系统的初始化 | 第28页 |
| ·初始化后内存中存在的链表结构和数据结构 | 第28-30页 |
| ·数据包处理过程 | 第30-31页 |
| ·Snort多线程改造 | 第31-34页 |
| ·实验环境和基本配置 | 第34-35页 |
| ·安装及配置Snort的过程 | 第35-39页 |
| ·Snort数据库的建立 | 第35-36页 |
| ·修改与配置Snort数据库及Snort配置文件 | 第36-37页 |
| ·Web服务器的配置与测试 | 第37页 |
| ·安装与配置acid.Base | 第37-38页 |
| ·系统检查及规则修改 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第三章 基于改进SVM协作训练的入侵检测方法研究 | 第40-52页 |
| ·引言 | 第40-41页 |
| ·问题描述 | 第41页 |
| ·SVM协作训练模型 | 第41-46页 |
| ·模型提出 | 第41-45页 |
| ·模型描述 | 第45页 |
| ·有效性分析 | 第45-46页 |
| ·仿真实验 | 第46-50页 |
| ·算法实现 | 第46-47页 |
| ·数据源 | 第47-48页 |
| ·参数设置 | 第48页 |
| ·仿真结果 | 第48-50页 |
| ·小结 | 第50-52页 |
| 第四章 基于Tri-training的入侵检测方法研究 | 第52-64页 |
| ·引言 | 第52-53页 |
| ·基于SVM Tri-training的半监督入侵检测模型 | 第53-58页 |
| ·模型提出 | 第53-54页 |
| ·模型建立 | 第54-57页 |
| ·模型描述 | 第57页 |
| ·收敛性分析 | 第57-58页 |
| ·仿真实验 | 第58-63页 |
| ·算法实现 | 第58-60页 |
| ·数据源 | 第60页 |
| ·参数设置 | 第60页 |
| ·仿真结果 | 第60-63页 |
| ·小结 | 第63-64页 |
| 第五章 基于贝叶斯分析技术的入侵检测攻击分类方法研究 | 第64-75页 |
| ·引言 | 第64-65页 |
| ·网络攻击的分类 | 第65-66页 |
| ·贝叶斯分析技术 | 第66-68页 |
| ·攻击分类模型 | 第68-70页 |
| ·模型描述 | 第68页 |
| ·攻击特征抽取组件(AFE) | 第68-69页 |
| ·攻击分类组件(ACC) | 第69-70页 |
| ·攻击识别组件(AIC) | 第70页 |
| ·仿真评估 | 第70-74页 |
| ·模型实现 | 第70-73页 |
| ·数据源 | 第73页 |
| ·训练阶段 | 第73-74页 |
| ·分类阶段 | 第74页 |
| ·小结 | 第74-75页 |
| 第六章 基于流量与行为特征的P2P流量双层识别模型 | 第75-86页 |
| ·引言 | 第75页 |
| ·P2P流量双层识别模型 | 第75-79页 |
| ·模型提出 | 第75-76页 |
| ·模型建立 | 第76-77页 |
| ·特征选取 | 第77-78页 |
| ·模型描述 | 第78页 |
| ·有效性分析 | 第78-79页 |
| ·实验分析 | 第79-85页 |
| ·仿真实验 | 第79-85页 |
| ·真实实验 | 第85页 |
| ·小结 | 第85-86页 |
| 第七章 总结与展望 | 第86-88页 |
| ·总结 | 第86-87页 |
| ·展望 | 第87-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-95页 |
| 攻读博士学位期间主要的研究成果 | 第95-96页 |
