| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 研究现状及存在的问题 | 第17-23页 |
| 1.2.1 主机检测 | 第17-19页 |
| 1.2.2 网络检测 | 第19-22页 |
| 1.2.3 国内外安全监测产业机构与产品现状 | 第22页 |
| 1.2.4 现有方法存在的问题 | 第22-23页 |
| 1.3 本文的主要贡献与创新 | 第23-26页 |
| 1.3.1 研究内容 | 第23-25页 |
| 1.3.2 创新点 | 第25-26页 |
| 1.4 本文的结构安排 | 第26-28页 |
| 第二章 窃密型复杂网络攻击建模与检测基础 | 第28-45页 |
| 2.1 窃密型复杂网络攻击定义 | 第28-29页 |
| 2.2 典型攻击案例分析 | 第29-35页 |
| 2.2.1 丰收行动 | 第29-31页 |
| 2.2.2 摩诃草事件 | 第31-32页 |
| 2.2.3 双尾蝎事件 | 第32-33页 |
| 2.2.4 APT攻击统计分析 | 第33-35页 |
| 2.3 窃密型复杂网络攻击建模方法 | 第35-41页 |
| 2.3.1 基于杀伤链的攻击模型 | 第35-37页 |
| 2.3.2 基于军事对抗理论的攻击模型 | 第37-38页 |
| 2.3.3 基于Petri网的攻击模型 | 第38-39页 |
| 2.3.4 基于博弈论的攻击模型 | 第39-40页 |
| 2.3.5 定向攻击模型 | 第40-41页 |
| 2.3.6 总结 | 第41页 |
| 2.4 窃密型复杂网络攻击检测产品 | 第41-44页 |
| 2.4.1 国外安全公司 | 第41-42页 |
| 2.4.2 国内公司产品 | 第42-44页 |
| 2.4.3 总结 | 第44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 基于网络进化的窃密型复杂网络攻击建模研究 | 第45-70页 |
| 3.1 相关研究 | 第45-46页 |
| 3.2 靶向性复杂攻击网络模型构建 | 第46-53页 |
| 3.2.1 预备知识 | 第46-50页 |
| 3.2.2 随机模型 | 第50-52页 |
| 3.2.3 模型定义 | 第52-53页 |
| 3.3 模型形式化表示 | 第53-58页 |
| 3.3.1 矩阵操作 | 第54-55页 |
| 3.3.2 初始状态转变的形式化表示 | 第55页 |
| 3.3.3 节点选择 | 第55-56页 |
| 3.3.4 模型生成算法 | 第56-58页 |
| 3.4 功能分析 | 第58-62页 |
| 3.4.1 建模因素对比 | 第59页 |
| 3.4.2 模拟攻击 | 第59-62页 |
| 3.5 性能分析 | 第62-69页 |
| 3.5.1 基准实验 | 第63-65页 |
| 3.5.2 不同拓扑大小和复杂性的比较 | 第65页 |
| 3.5.3 不同提供信息概率的比较 | 第65-66页 |
| 3.5.4 不同移除概率的比较 | 第66-68页 |
| 3.5.5 不同失效概率的比较 | 第68-69页 |
| 3.6 模型局限性分析 | 第69页 |
| 3.7 本章小结 | 第69-70页 |
| 第四章 窃密型复杂网络攻击检测方法研究 | 第70-84页 |
| 4.1 系统框架设计 | 第70-71页 |
| 4.2 基于内容的恶意邮件检测相关研究 | 第71-74页 |
| 4.2.1 钓鱼邮件检测方法 | 第72-73页 |
| 4.2.2 支持向量机 | 第73页 |
| 4.2.3 布谷鸟算法 | 第73-74页 |
| 4.3 基于内容的检测方法 | 第74-80页 |
| 4.3.1 基于CS-SVM分类器的钓鱼邮件检测方法架构 | 第75页 |
| 4.3.2 邮件特征提取 | 第75-79页 |
| 4.3.3 CS优化的SVM算法 | 第79-80页 |
| 4.4 实验环境设置与结果分析 | 第80-83页 |
| 4.4.1 评估指标 | 第80-81页 |
| 4.4.2 实验设置 | 第81页 |
| 4.4.3 结果分析 | 第81-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第五章 基于DNS的窃密型复杂网络攻击恶意软件识别方法研究 | 第84-101页 |
| 5.1 大规模流量实时无损处理 | 第84-86页 |
| 5.2 高速并发流跟踪 | 第86-88页 |
| 5.3 基于流量的恶意软件识别相关研究 | 第88-89页 |
| 5.3.1 异常检测 | 第89页 |
| 5.3.2 基于DNS流量的僵尸网络检测 | 第89页 |
| 5.4 窃密型复杂网络攻击恶意软件域名检测方法 | 第89-96页 |
| 5.4.1 窃密型复杂网络攻击恶意软件域名检测方法架构 | 第90页 |
| 5.4.2 特征提取 | 第90-92页 |
| 5.4.3 正常域名判断准则 | 第92-93页 |
| 5.4.4 异常检测算法 | 第93-96页 |
| 5.5 实验环境设置与结果分析 | 第96-100页 |
| 5.5.1 实验设置 | 第96-99页 |
| 5.5.2 实验指标 | 第99页 |
| 5.5.3 实验结果分析 | 第99-100页 |
| 5.6 本章小结 | 第100-101页 |
| 第六章 基于树型结构的窃密型复杂网络攻击预测方法研究 | 第101-112页 |
| 6.1 基于树型结构的窃密型复杂网络攻击预测模型 | 第101-106页 |
| 6.1.1 窃密型复杂网络攻击阶段性划分 | 第101-103页 |
| 6.1.2 TCAN模型扩展 | 第103-105页 |
| 6.1.3 基于树型结构的窃密型复杂网络攻击模型 | 第105-106页 |
| 6.2 窃密型复杂网络攻击预测方法 | 第106-108页 |
| 6.2.1 关联规则 | 第107页 |
| 6.2.2 异常检测 | 第107-108页 |
| 6.2.3 攻击路径预测 | 第108页 |
| 6.3 实验结果分析 | 第108-111页 |
| 6.4 本章小结 | 第111-112页 |
| 第七章 本文总结与展望 | 第112-116页 |
| 7.1 论文总结 | 第112-113页 |
| 7.2 后续工作展望 | 第113-116页 |
| 致谢 | 第116-117页 |
| 参考文献 | 第117-128页 |
| 附录 | 第128-130页 |
| 攻读博士学位期间取得的成果 | 第130-132页 |
