ПРЕДИСЛОВИЕ

ГЛАВА 1. КОМПЬЮТЕРНЫЕ АТАКИ
1.1. Основные определения и понятия
1.2. Этапы реализации атак
1.2.1. Сбор информации
1.2.2. Основные механизмы реализации атак
1.2.3. Реализация атак
1.2.4. Завершение атаки
1.3. Классификация атак

ГЛАВА 2. ПРИНЦИПЫ ПОСТРОЕНИЯ СОВ
2.1. Классификация СОВ
2.2. Архитектура СОВ
2.3. Структура системы обнаружения вторжения

ГЛАВА 3. ТЕХНОЛОГИИ ПОСТРОЕНИЯ СИСТЕМ ОБНАРУЖЕНИЯ АТАК
3.1. Существующие технологии СОВ
3.1.1. Технологии обнаружения аномальной активности
3.1.2. Анализ систем, использующих сигнатурные методы
3.1.3. Концепция обнаружения компьютерных угроз
3.2. Повышение эффективности систем обнаружения атак – интегральный подход
3.3. Характеристика направлений и групп методов обнаружения вторжений
3.4. Сравнительный анализ существующих СОВ
3.4.1. Bro
3.4.2. OSSEC
3.4.3. STAT
3.4.4. Prelude
3.4.5. Snort
3.4.6. SnortNet
3.4.7. AAFID

ГЛАВА 4. АНАЛИЗ СЕТЕВОГО ТРАФИКА И КОНТЕНТА
4.1. Программы анализа и мониторинга сетевого трафика
4.1.1. Программы-анализаторы сетевого трафика
4.1.2. Обзор программ-анализаторов (снифферов) сетевого трафика
4.2. Получение и подготовка исходных данных для анализа свойств аномалий трафика
4.3. Анализ образцов трафика.
4.3.1. Трассы и их анализ
4.3.2. Тестирование программного обеспечения

ГЛАВА 5. АНАЛИЗ МЕТОДОВ ОБНАРУЖЕНИЯ АНОМАЛИЙ
5.1. Статистические методы обнаружения аномального поведения
5.2. Ошибки первого и второго рода. ROC кривые
5.3. Критерии соответствия и однородности
5.4. Параметрический метод регистрации изменений
5.4.1. Контрольные карты
5.4.2. Контрольные карты Шухарта
5.4.3. Контрольные карты CUSUM
5.4.4. Контрольные карты EWMA
5.5. Критерии аномального поведения и их практическое применение
5.5.1. Процентное отклонение (PD)
5.5.2. Энтропия
5.6. Методы описательной статистики
5.7. Поиск и оценка аномалий сетевого трафика на основе циклического анализа
5.8 Обнаружение аномалий методом главных компонент
5.8.1 Основные положения метода главных компонент
5.8.2 Метод главных компонент (Singular Spectrum Analysis – SSA)
5.8.3 Метод главных компонент (РСА) в сети и обнаружение аномалий
5.9. Достоинства и недостатки статистических методов

ГЛАВА 6. ОБНАРУЖЕНИЕ АНОМАЛЬНЫХ ВЫБРОСОВ ТРАФИКА МЕТОДАМИ КРАТНОМАСШТАБНОГО АНАЛИЗА (КМА) 180
6.1. Основы теории вейвлетов 180
6.2. Непрерывное вейвлет-преобразование 182
6.3. Дискретное вейвлет-преобразование. Алгоритм Малла 184
6.4. Анализ методов обнаружения аномалий трафика с помощью вейвлетов 190
6.5. Алгоритм обнаружения аномалий методом дискретного вейвлет-преобразования 194
6.5.1. Алгоритм обнаружения аномалий по критерию Фишера для выбросов дисперсий 196
6.5.2. Алгоритм обнаружения аномалий на основе критерия Кохрана-Кокса 198
6.5.3. Алгоритм обнаружения аномалий по критерию Фишера для выбросов средних значений 199
6.5.4. Выбор порогов обнаружения 201
6.6. Дискретное Вейвлет-пакетное преобразование (ВПП) 202
6.7. Обнаружение DoS и DDoS – атак методами мультифрактального анализа 209
6.7.1. Фрактальные свойства телекоммуникационного трафика 209
6.7.2. Обнаружение DoS и DDoS атак методом мультифрактального анализа 214

ГЛАВА 7. МЕТОДЫ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ В СИСТЕМАХ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ
7.1. Методы Data Mining
7.2. Метод опорных векторов
7.3. Обнаружение аномалий трафика с применением нейронных сетей
7.3.1. Выявление аномалий сетевой активности с применением аппарата искусственных нейронных сетей (ИНС)
7.3.2. Применение нейронных сетей в задачах обнаружения вторжений
7.3.3. Архитектурные решения СОВ
7.3.4. Результаты экспериментов
7.4. Методы искусственного интеллекта в задачах обеспечения безопасности компьютерных сетей
7.4.1. Многоагентные системы
7.4.2. Системы анализа защищенности
7.5. Методы искусственных иммунных систем и нейронных сетей для обнаружения компьютерных атак
7.5.1. Построения искусственной иммунной системы для обнаружения компьютерных атак
7.5.2. Метод функционирования иммунных нейросетевых детекторов
7.5.3. Алгоритм функционирования системы обнаружения вторжений на базе искусственных иммунных систем и нейронных сетей
7.6. Визуальный анализ данных
7.6.1. Анализ методов визуализации
7.6.2. Использование преобразования Хафа для обнаружения аномалий трафика

ЛИТЕРАТУРА