【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 入侵檢測(cè)系統(tǒng)
        1.2.2 基于系統(tǒng)調(diào)用信息的入侵檢測(cè)研究現(xiàn)狀
    1.3 研究目的與內(nèi)容
        1.3.1 研究目的
        1.3.2 研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
第2章 入侵檢測(cè)數(shù)據(jù)集的構(gòu)建和分析
    2.1 引言
        2.1.1 數(shù)據(jù)集現(xiàn)狀
        2.1.2 系統(tǒng)調(diào)用
    2.2 數(shù)據(jù)獲取
        2.2.1 數(shù)據(jù)獲取環(huán)境配置
        2.2.2 數(shù)據(jù)獲取流程
    2.3 數(shù)據(jù)處理
    2.4 數(shù)據(jù)劃分
    2.5 數(shù)據(jù)集結(jié)果
        2.5.1 數(shù)據(jù)收集結(jié)果
        2.5.2 數(shù)據(jù)處理結(jié)果
    2.6 討論與分析
        2.6.1 數(shù)據(jù)集分析
        2.6.2 數(shù)據(jù)處理結(jié)果分析
    2.7 本章小結(jié)
第3章 基于完整系統(tǒng)調(diào)用信息的機(jī)器學(xué)習(xí)入侵檢測(cè)分析
    3.1 引言
    3.2 實(shí)驗(yàn)數(shù)據(jù)
    3.3 實(shí)驗(yàn)方法
        3.3.1 特征提取
        3.3.2 基于機(jī)器學(xué)習(xí)的分類模型
        3.3.3 基于深度學(xué)習(xí)的分類模型
        3.3.4 評(píng)價(jià)指標(biāo)
    3.4 實(shí)驗(yàn)結(jié)果
        3.4.1 基于機(jī)器學(xué)習(xí)的分類模型性能評(píng)估
        3.4.2 基于深度學(xué)習(xí)的分類模型性能評(píng)估
        3.4.3 基于公開(kāi)數(shù)據(jù)集的分類模型性能評(píng)估
    3.5 討論與分析
    3.6 本章小結(jié)
第4章 基于Django框架的入侵檢測(cè)交互模塊分析
    4.1 引言
    4.2 實(shí)驗(yàn)數(shù)據(jù)與方法
        4.2.1 開(kāi)發(fā)環(huán)境與實(shí)驗(yàn)數(shù)據(jù)
        4.2.2 入侵檢測(cè)系統(tǒng)交互模塊設(shè)計(jì)與實(shí)現(xiàn)
        4.2.3 入侵檢測(cè)系統(tǒng)交互模塊檢測(cè)性能評(píng)估方法
        4.2.4 入侵檢測(cè)系統(tǒng)交互模塊響應(yīng)性能評(píng)估方法
    4.3 實(shí)驗(yàn)結(jié)果
        4.3.1 入侵檢測(cè)系統(tǒng)交互模塊實(shí)現(xiàn)效果
        4.3.2 入侵檢測(cè)系統(tǒng)交互模塊功能驗(yàn)證
        4.3.3 入侵檢測(cè)系統(tǒng)交互模塊檢測(cè)性能評(píng)估
        4.3.4 入侵檢測(cè)系統(tǒng)交互模塊響應(yīng)性能評(píng)估
    4.4 討論與分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 本文創(chuàng)新
    5.3 未來(lái)展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果


【參考文獻(xiàn)】：
期刊論文
[1]瑞星2019年中國(guó)網(wǎng)絡(luò)安全報(bào)告與趨勢(shì)展望[J]. Beijing Rising Network Security Technology Co.,Ltd.;.  信息安全研究. 2020(02)
[2]智能檢測(cè)WebShell的機(jī)器學(xué)習(xí)算法[J]. 戴樺,李景,盧新岱,孫歆.  網(wǎng)絡(luò)與信息安全學(xué)報(bào). 2017(04)



本文編號(hào)：3554877