第1章 绪论 1
1.1网络安全与网络信息内容安全 1
1.2网络信息内容审计研究概况 5
1.3网络信息内容审计功能 8
参考文献 10
第2章 网络信息内容审计系统模型 14
2.1审计系统模型研究现状 14
2.2分布式可扩展网络信息内容审计系统模型 20
2.2.1系统体系结构 20
2.2.2系统功能模块和关键技术 21
2.2.3审计系统内部通信规程 22
参考文献 24
第3章 内容审计数据包获取 26
3.1网络信息获取原理与方法 26
3.2基于BPF的高性能网络获取机制 31
3.2.1 BPF模型概述 32
3.2.2数据包过滤方法 34
3.3 Linux下数据包捕获瓶颈分析 36
3.3.1 Linux捕获数据包流程 36
3.3.2捕获数据包瓶颈分析 37
3.4基于NAPI技术的数据包捕获方法 39
3.4.1中断方式与轮询方式 39
3.4.2 NAPI技术 40
3.5基于内存映射技术的数据包捕获方法 42
3.5.1 Linux内存管理 42
3.5.2内存映射技术 44
3.6并行数据包获取技术 46
3.6.1单机数据包获取的不足 46
3.6.2多代理并行数据包获取 47
3.6.3并行过滤代理动态负载均衡算法 50
参考文献 56
第4章 内容审计中的模式匹配算法 57
4.1概述 57
4.2内容审计中的模式匹配分析 58
4.2.1待审计文本串特征分析 59
4.2.2模式串特征分析 60
4.2.3审计中匹配过程性能分析 60
4.3常用精确模式匹配算法 63
4.3.1单模式精确匹配算法 63
4.3.2多模式精确匹配算法 67
4.3.3改进的多模式精确匹配算法 71
4.4常用相似模式匹配算法 74
4.4.1单模式相似匹配算法 75
4.4.2多模式相似匹配算法 78
4.5面向中／英文混合环境的多模式匹配算法 79
4.5.1几种多模式匹配算法的性能分析 79
4.5.2基于完全哈希Trie的多模式匹配算法 81
4.6审计系统中多模式相似匹配算法 91
4.6.1几种多模式相似匹配算法性能分析 92
4.6.2基于Episode距离的多模式相似匹配算法 93
参考文献 96
第5章 网络信息内容审计中的文本分类 98
5.1文本分类概述 98
5.2文本分类的关键技术 101
5.2.1文本预处理 102
5.2.2文本特征向量 103
5.2.3文本特征选取方法 105
5.2.4相似文本特征表示 107
5.3文本分类方法 109
5.3.1基于机器学习的分类方法 109
5.3.2基于动态加权的文本分类算法 112
5.4文本片段分类方法 114
5.4.1数据包报文分段对文本分类的影响 114
5.4.2上下文相关的模糊KNN文本片段分类算法 115
5.5文本语义分析 118
5.5.1基于潜在语义的分类算法 118
5.5.2文本语义倾向性识别 121
参考文献 123
第6章 电子邮件内容审计 126
6.1电子邮件的实现协议及信息编码 126
6.1.1电子邮件相关协议分析 126
6.1.2电子邮件信息编码 131
6.2电子邮件的报文重组 134
6.2.1电子邮件重组 134
6.2.2基于Libnids的电子邮件还原 135
6.3电子邮件内容的提取 137
6.3.1电子邮件组成结构 137
6.3.2电子邮件预处理技术 139
6.3.4电子邮件的过滤 140
6.4现有电子邮件审计技术 141
6.4.1基于网络监听方式的实现基础 141
6.4.2全文重组的电子邮件审计 144
6.4.3单独分组的电子邮件审计 145
6.4.4基于选择性全文重组的电子邮件审计 146
参考文献 150
第7章 网络不良多媒体信息内容审计 152
7.1概述 152
7.1.1不良多媒体信息识别现状 152
7.1.2不良多媒体信息特征分析 154
7.2网络视频流发现与获取 156
7.2.1网络视频流发现 157
7.2.2网络视频流流量获取 162
7.3网络不良图像内容识别 164
7.3.1肤色检测与纹理分析 164
7.3.2不良图像特征提取 169
7.3.3基于支持向量机的不良图像识别 172
7.4网络不良视频内容识别 175
7.4.1视频关键帧提取 176
7.4.2网络视频特征提取 178
7.4.3网络视频特征判别 179
7.5结合语音特征的视频识别 181
7.5.1语音特征提取过程 181
7.5.2基于隐马尔可夫模型的语音特征判别 185
7.5.3基于双重特征的视频识别 188
参考文献 189
第8章 手机短信内容审计 194
8.1概述 194
8.2手机短信审计系统模块结构 196
8.3不良内容短信识别 200
8.3.1短信内容的向量化描述 200
8.3.2短信受限封闭测试效果最优化阈值选择方法 202
8.3.3不良短信内容识别算法执行过程 203
8.4审计特征库动态更新 205
8.4.1内容特征库的重要性与不良短信特征库的构建 205
8.4.2短信内容特征库动态更新算法 206
8.4.3审计结果保障方法 208
8.5短信热点话题识别 211
8.5.1短信热点话题分析 211
8.5.2短信热点话题的形式化描述 212
8.5.3基于短信特征关联分析的热点话题发现算法 213
8.5.4短信热点话题跟踪算法 218
8.6短信审计研究中的难点问题 219
参考文献 220
第9章 手机短信通信网络演化模型 222
9.1复杂网络理论 222
9.1.1复杂网络 222
9.1.2复杂网络的拓扑特性 223
9.1.3网络模型 226
9.2短信通信网络的结构特性分析 232
9.2.1短信通信网络的构建 232
9.2.2短信网络的连通性分析 232
9.2.3短信通信网络的度分布 233
9.2.4短信通信网络的聚类系数 234
9.3短信通信网络的演化模型 234
9.3.1 BA网络上的短信传播模型 235
9.3.2局部优先连接模型 236
9.3.3谣言短信网络传播模型 238
9.3.4兼具内部演化和节点退出的演化模型 239
9.3.5模型的比较及分析 242
9.4短信通信网络社区发现算法 244
9.4.1典型的复杂网络社区发现算法 245
9.4.2基于多维特征向量的社区发现算法 248
9.4.3短信通信网络演化模型现存问题 254
参考文献 255
第10章 审计系统的自身安全 257
10.1审计系统自身安全性分析 257
10.2 DoS和DDoS 258
10.3 NDoS攻击的自适应检测 263
10.3.1 NDoS攻击的表示 263
10.3.2 NDoS攻击的检测 264
10.4基于状态检测的NDoS攻击防御 266
参考文献 269
第11章 网络信息内容审计的热点与难点 272
11.1流媒体内容审计 272
11.2动态信息流的特征分析 274
11.3关键词列表动态更新 275
11.4主动式不良内容传播信息检测 277
11.5不良信息传播状况的趋势预测 278
11.6热点话题发现与跟踪 279
11.7信息内容安全态势评估 280
参考文献 282