基于完整系统调用信息的交互式入侵检测系统设计与实现

发布时间：2021-12-28 22:46

　　

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 入侵检测系统
        1.2.2 基于系统调用信息的入侵检测研究现状
    1.3 研究目的与内容
        1.3.1 研究目的
        1.3.2 研究内容
    1.4 本文组织结构
第2章 入侵检测数据集的构建和分析
    2.1 引言
        2.1.1 数据集现状
        2.1.2 系统调用
    2.2 数据获取
        2.2.1 数据获取环境配置
        2.2.2 数据获取流程
    2.3 数据处理
    2.4 数据划分
    2.5 数据集结果
        2.5.1 数据收集结果
        2.5.2 数据处理结果
    2.6 讨论与分析
        2.6.1 数据集分析
        2.6.2 数据处理结果分析
    2.7 本章小结
第3章 基于完整系统调用信息的机器学习入侵检测分析
    3.1 引言
    3.2 实验数据
    3.3 实验方法
        3.3.1 特征提取
        3.3.2 基于机器学习的分类模型
        3.3.3 基于深度学习的分类模型
        3.3.4 评价指标
    3.4 实验结果
        3.4.1 基于机器学习的分类模型性能评估
        3.4.2 基于深度学习的分类模型性能评估
        3.4.3 基于公开数据集的分类模型性能评估
    3.5 讨论与分析
    3.6 本章小结
第4章 基于Django框架的入侵检测交互模块分析
    4.1 引言
    4.2 实验数据与方法
        4.2.1 开发环境与实验数据
        4.2.2 入侵检测系统交互模块设计与实现
        4.2.3 入侵检测系统交互模块检测性能评估方法
        4.2.4 入侵检测系统交互模块响应性能评估方法
    4.3 实验结果
        4.3.1 入侵检测系统交互模块实现效果
        4.3.2 入侵检测系统交互模块功能验证
        4.3.3 入侵检测系统交互模块检测性能评估
        4.3.4 入侵检测系统交互模块响应性能评估
    4.4 讨论与分析
    4.5 本章小结
第5章 总结与展望
    5.1 研究总结
    5.2 本文创新
    5.3 未来展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果


【参考文献】：
期刊论文
[1]瑞星2019年中国网络安全报告与趋势展望[J]. Beijing Rising Network Security Technology Co.,Ltd.;.  信息安全研究. 2020(02)
[2]智能检测WebShell的机器学习算法[J]. 戴桦,李景,卢新岱,孙歆.  网络与信息安全学报. 2017(04)



本文编号：3554877