| 第1章 引言 | 第9-17页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 课题目的和意义 | 第10-11页 |
| 1.3 课题的研究状况和进展 | 第11-15页 |
| 1.3.1 传统安全审计过程中存在的不足 | 第11-12页 |
| 1.3.2 国内外发展趋势 | 第12-14页 |
| 1.3.3 基于数据挖掘的网络安全审计系统 | 第14-15页 |
| 1.3.4 关联规则算法 | 第15页 |
| 1.4 论文各部分的主要内容 | 第15-17页 |
| 第2章 相关知识介绍 | 第17-35页 |
| 2.1 网络信息安全概述 | 第17-19页 |
| 2.1.1 网络安全目标 | 第17-18页 |
| 2.1.2 信息安全模型 | 第18页 |
| 2.1.3 常用的网络安全机制 | 第18-19页 |
| 2.2 安全审计概述 | 第19-27页 |
| 2.2.1 安全审计的概念 | 第19-20页 |
| 2.2.2 安全审计系统要考虑的问题 | 第20-21页 |
| 2.2.3 网络安全审计系统的主要功能 | 第21-22页 |
| 2.2.4 安全审计系统模型 | 第22-24页 |
| 2.2.5 国内外标准中对安全审计的描述 | 第24-27页 |
| 2.2.6 国内外安全审计技术的现状 | 第27页 |
| 2.3 数据挖掘技术 | 第27-31页 |
| 2.3.1 建立适合的数据环境 | 第28页 |
| 2.3.2 数据挖掘的功能及内容 | 第28-31页 |
| 2.3.3 数据挖掘技术面临的挑战 | 第31页 |
| 2.4 基于数据挖掘的网络安全审计系统 | 第31-33页 |
| 2.4.1 研究现状 | 第31-32页 |
| 2.4.2 基于数据挖掘的网络安全审计系统的优点 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 关联规则算法研究 | 第35-51页 |
| 3.1 关联规则的定义和属性 | 第35-37页 |
| 3.1.1 可信度(Confidence) | 第35-36页 |
| 3.1.2 支持度(Support) | 第36页 |
| 3.1.3 期望可信度(Expected confidence) | 第36页 |
| 3.1.4 作用度(Lift) | 第36-37页 |
| 3.2 关联规则的挖掘 | 第37-38页 |
| 3.3 关联规则种类 | 第38-40页 |
| 3.3.1 多层关联规则挖掘 | 第38-39页 |
| 3.3.2 多维关联规则挖掘 | 第39-40页 |
| 3.4 算法综述 | 第40-42页 |
| 3.4.1 Apriori 算法 | 第40-41页 |
| 3.4.2 FP-Growth 算法 | 第41-42页 |
| 3.5 逆向FP-合并算法及实现 | 第42-50页 |
| 3.5.1 构造逆向FP-树 | 第43-44页 |
| 3.5.2 挖掘逆向FP-树 | 第44-46页 |
| 3.5.3 算法实现 | 第46-47页 |
| 3.5.4 算法的正确性 | 第47-48页 |
| 3.5.5 算法的效率 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于数据挖掘的网络安全审计系统 | 第51-59页 |
| 4.1 通过数据挖掘技术发现知识的过程 | 第51-52页 |
| 4.2 系统设计方案 | 第52-53页 |
| 4.3 系统模型图 | 第53-55页 |
| 4.4 系统的实现 | 第55-59页 |
| 4.4.1 系统的标准事件 | 第55页 |
| 4.4.2 数据采集 | 第55-56页 |
| 4.4.3 关联规则分析 | 第56-59页 |
| 第5章 系统测试 | 第59-61页 |
| 5.1 测试环境 | 第59页 |
| 5.2 测试结果 | 第59-61页 |
| 第6 章 结论 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 未来研究展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
| 声明 | 第66-67页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第67页 |