更新时间：2020-04-01 18:43:46
封面
版权信息
前言
第1章 绪论
1.1 网络安全与网络信息内容安全
1.2 网络信息内容审计研究概况
1.3 网络信息内容审计功能
参考文献
第2章 网络信息内容审计系统模型
2.1 审计系统模型研究现状
2.2 分布式可扩展网络信息内容审计系统模型
2.2.1 系统体系结构
2.2.2 系统功能模块和关键技术
2.2.3 审计系统内部通信规程
第3章 内容审计数据包获取
3.1 网络信息获取原理与方法
3.2 基于BPF的高性能网络获取机制
3.2.1 BPF模型概述
3.2.2 数据包过滤方法
3.3 Linux下数据包捕获瓶颈分析
3.3.1 Linux捕获数据包流程
3.3.2 捕获数据包瓶颈分析
3.4 基于NAPI技术的数据包捕获方法
3.4.1 中断方式与轮询方式
3.4.2 NAPI技术
3.5 基于内存映射技术的数据包捕获方法
3.5.1 Linux内存管理
3.5.2 内存映射技术
3.6 并行数据包获取技术
3.6.1 单机数据包获取的不足
3.6.2 多代理并行数据包获取
3.6.3 并行过滤代理动态负载均衡算法
第4章 内容审计中的模式匹配算法
4.1 概述
4.2 内容审计中的模式匹配分析
4.2.1 待审计文本串特征分析
4.2.2 模式串特征分析
4.2.3 审计中匹配过程性能分析
4.3 常用精确模式匹配算法
4.3.1 单模式精确匹配算法
4.3.2 多模式精确匹配算法
4.3.3 改进的多模式精确匹配算法
4.4 常用相似模式匹配算法
4.4.1 单模式相似匹配算法
4.4.2 多模式相似匹配算法
4.5 面向中/英文混合环境的多模式匹配算法
4.5.1 几种多模式匹配算法的性能分析
4.5.2 基于完全哈希Trie的多模式匹配算法
4.6 审计系统中多模式相似匹配算法
4.6.1 几种多模式相似匹配算法性能分析
4.6.2 基于Episode距离的多模式相似匹配算法
第5章 网络信息内容审计中的文本分类
5.1 文本分类概述
5.2 文本分类的关键技术
5.2.1 文本预处理
5.2.2 文本特征向量
5.2.3 文本特征选取方法
5.2.4 相似文本特征表示
5.3 文本分类方法
5.3.1 基于机器学习的分类方法
5.3.2 基于动态加权的文本分类算法
5.4 文本片段分类方法
5.4.1 数据包报文分段对文本分类的影响
5.4.2 上下文相关的模糊KNN文本片段分类算法
5.5 文本语义分析
5.5.1 基于潜在语义的分类算法
5.5.2 文本语义倾向性识别
第6章 电子邮件内容审计
6.1 电子邮件的实现协议及信息编码
6.1.1 电子邮件相关协议分析
6.1.2 电子邮件信息编码
6.2 电子邮件的报文重组
6.2.1 电子邮件重组
6.2.2 基于Libnids的电子邮件还原
6.3 电子邮件内容的提取
6.3.1 电子邮件组成结构
6.3.2 电子邮件预处理技术
6.3.4 电子邮件的过滤
6.4 现有电子邮件审计技术
6.4.1 基于网络监听方式的实现基础
6.4.2 全文重组的电子邮件审计
6.4.3 单独分组的电子邮件审计
6.4.4 基于选择性全文重组的电子邮件审计
第7章 网络不良多媒体信息内容审计
7.1 概述
7.1.1 不良多媒体信息识别现状
7.1.2 不良多媒体信息特征分析
7.2 网络视频流发现与获取
7.2.1 网络视频流发现
7.2.2 网络视频流流量获取
7.3 网络不良图像内容识别
7.3.1 肤色检测与纹理分析
7.3.2 不良图像特征提取
7.3.3 基于支持向量机的不良图像识别
7.4 网络不良视频内容识别
