| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 本文结构安排 | 第12-14页 |
| 第二章 SQL注入攻击概述 | 第14-22页 |
| 2.1 SQL注入攻击概念 | 第14页 |
| 2.2 SQL注入攻击原理 | 第14-15页 |
| 2.3 SQL注入产生原因 | 第15-17页 |
| 2.4 SQL注入常见方法 | 第17-19页 |
| 2.5 SQL注入攻击步骤 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于用户行为分析的SQL注入攻击检测方法 | 第22-41页 |
| 3.1 用户行为 | 第22-24页 |
| 3.1.1 正常用户行为 | 第22-23页 |
| 3.1.2 SQL注入攻击行为 | 第23-24页 |
| 3.2 聚类分析 | 第24-29页 |
| 3.2.1 聚类过程 | 第24页 |
| 3.2.2 特征选择 | 第24-25页 |
| 3.2.3 数据处理 | 第25-26页 |
| 3.2.4 数据表示 | 第26页 |
| 3.2.5 相似度计算 | 第26-27页 |
| 3.2.6 常用聚类算法 | 第27-29页 |
| 3.3 改进的K-means聚类算法 | 第29-32页 |
| 3.4 基于改进的K-means算法的SQL注入攻击检测方法 | 第32-35页 |
| 3.5 实验和结果分析 | 第35-40页 |
| 3.5.1 实验环境 | 第35-36页 |
| 3.5.2 实验设计和结果分析 | 第36-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于DNN的SQL注入攻击检测方法 | 第41-60页 |
| 4.1 人工神经网络与深度学习 | 第42-47页 |
| 4.1.1 人工神经网络 | 第42-43页 |
| 4.1.2 深度学习 | 第43页 |
| 4.1.3 DNN(深度神经网络) | 第43-47页 |
| 4.2 URL-SQL映射模型 | 第47-49页 |
| 4.3 检测模型 | 第49-55页 |
| 4.3.1 SQL语句特征向量 | 第49-54页 |
| 4.3.2 DNN分类器 | 第54-55页 |
| 4.4 实验和结果分析 | 第55-59页 |
| 4.4.1 实验环境和实验数据 | 第55-56页 |
| 4.4.2 实验结果与分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 在学期间公开发表论文情况 | 第67页 |