网络信息内容审计

　　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/91
　　4.6.2  基于Episode距离的多模式相似匹配算法/92
　　参考文献/95
　　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
　　7.5  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  手机短信息内容审计/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
　　8.4.2  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/227
　　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

　　    网络信息内容审计是一门对网络中传输的信息内容进行分析的技术，是网络安全技术中不可或缺的重要组成部分，通过内容审计可实现网络信息内容的可控性。《网络信息内容审计》按照从整体到局部的思路，以从底层到高层的视角，详细分析了内容审计所涉及的主要技术的原理与实现，并探索了一些关键技术和共性问题。同时，对当前日益严重的手机短信内容安全问题进行了讨论。
　　    《网络信息内容审计》是进行信息内容分析与识别方面的参考书，可作为从事网络信息内容安全、网络舆情分析与预警等研究领域科研人员的参考书，也可作为高等院校网络安全专业大学生与研究生的参考教材。