网络异常监测的方案设计毕业论文

《网络异常监测的方案设计毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、网络异常监测的方案设计毕业论文目录摘要1ABSTRACT21．绪论31．1研究背景31．2网络异常的定义31．3网络异常检测的研究现状31．4本课题的研究内容42．网络流量异常检测技术52．1网络流量异常检测的意义52．2网络流量监测方法52．2．1主动方法52．2．2被动方法62．3网络性能参数的采集方法63．网络入侵异常检测技术73．1研究入侵检测的意义73．2网络信息安全和入侵检测83．2．1网络信息安全概述83．2．2主要的网络安全威胁93．2．3网络信息安全模型与技术103．2．4Linux系统安全性113．3网络入侵异常检测113

2、．3．1入侵检测基础113．3．2入侵检测系统124典型的入侵检测工具Snort144．1Snort的相关特性144．2Snort的功能架构144．3Snort规则154．3．1规则的组成164．3．2规则头16254．3．3规则选项174．3．4一个简单的规则范例185Linux系统下搭建入侵检测系统及分析195．1配置Snort选项195．2测试Snort205．3攻击与检测过程205．3．1攻击过程205．3．2Snort运行过程215．4检测结果分析216总结23参考文献24致谢2525摘要随着信息数字时代的到来，互联网飞速发展，各种

3、新业务不断涌现。随着而来的是各种网络问题也相继出现，给网络检测带来更大的挑战。网络检测的过程是：采集相关网络数据，通过对数据的统计分析，发现网络中存在的异常情况，然后做相应操作，比如向网络管理员发出告警信息。其中网络异常检测是网络检测的核心部分，对保证网络的正常运行具有重要的意义。论文分析了当前的网络异常检测方法，根据它们的特点分为网络流量异常检测方法和网络入侵异常检测方法。然后通过对这些方法的实现原理，计算复杂度，实现复杂度等的研究，总结它们的适合环境及优缺点。在深入研究入侵检测方法的基础上，对网络入侵检测系统Snort的特性、功能及规则进

4、行了全面详细的研究，并在Linux系统环境下借助Snort搭建了一个典型的入侵检测系统作为具体实例。关键词：异常检测；网络流量异常；网络入侵异常；Snort25ABSTRACTAlongwiththecomingoftheinformationages．thenetworkbegantodeveloprapidly．Variousnewserviceshavebeenincreasingsocontinuouslythatthenetworkdetectionisfacingseriouschallenges．Theprocessofnetw

5、orkdetectionistocollectthedatawhichindicatetherunningstatusofthenetworkanddevices，tofindouttheanomalyphenomenaofthenetworkviathestatisticandanalysisofthedata,andtogiverelevantalarmstonetworkmanagers．Networkanomalydetection，oneofthemostimportantsegmentsofthenetworkdetection，

6、isofgreatimportanttoguaranteethenaturalrunningofthenetwork。Thisthesisanalysesthecurrenttechniquesofnetworkanomalydetection，dividesthemintonetworktrafficanomaliesandabnormalnetworkintrusionaccordingtotheircharacteristics．Aftertheinvestigationofthetheoryandthecomplexityofcalc

7、ulationandrealization,thethesissumsupthesuitablecircumstances,themeritsandtheflawsofthetechnique.In-depthstudyofintrusiondetectionmethodbasedontheNetworkIntrusionDetectionSystemSnortfeatures,functionsandrulesofadetailedstudyofacomprehensiveandLinuxsystemenvironmentwithatypi

8、calsetupSnortintrusiondetectionsystemasaconcreteexample.Keywords:anomalydetection;