| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景 | 第10-11页 |
| ·网络安全现状 | 第11-12页 |
| ·研究内容 | 第12-14页 |
| 第二章 基于数据挖掘的入侵检测技术 | 第14-27页 |
| ·入侵检测定义 | 第14-15页 |
| ·入侵检测系统分类 | 第15-16页 |
| ·据数据采集位置不同分类 | 第15页 |
| ·据检测引擎实现技术不同分类 | 第15-16页 |
| ·入侵检测技术分析 | 第16-19页 |
| ·入侵检测原理 | 第16-17页 |
| ·大规模分布式入侵检测技术 | 第17-18页 |
| ·入侵检测系统的功能 | 第18-19页 |
| ·数据挖掘技术 | 第19-21页 |
| ·数据挖掘提出背景 | 第19-20页 |
| ·数据挖掘技术定义 | 第20-21页 |
| ·基于数据挖掘的入侵检测技术 | 第21-24页 |
| ·数据挖掘入侵检测算法 | 第21-22页 |
| ·基于数据挖掘的入侵检测系统的提出 | 第22-23页 |
| ·基于数据挖掘的入侵检测模型 | 第23-24页 |
| ·数据挖掘入侵检测技术的优点分析 | 第24-25页 |
| ·数据挖掘入侵检测系统发展前景 | 第25-27页 |
| ·数据挖掘入侵检测技术的局限性 | 第25-26页 |
| ·数据挖掘入侵检测系统的发展前景 | 第26-27页 |
| 第三章 代价敏感入侵检测技术分析 | 第27-38页 |
| ·代价敏感热潮 | 第27-28页 |
| ·传统机器学习算法存在的问题 | 第27-28页 |
| ·代价敏感理论的提出 | 第28页 |
| ·代价敏感理论与入侵检测技术的结合 | 第28-33页 |
| ·代价因素 | 第29页 |
| ·代价估值 | 第29-31页 |
| ·操作代价估值 | 第30页 |
| ·损失代价估值和响应代价估值 | 第30-31页 |
| ·检测结果代价 | 第31-33页 |
| ·AdaCost算法分析 | 第33-36页 |
| ·AdaCost算法原理 | 第33-34页 |
| ·AdaCost算法流程描述 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 代价敏感异常分类算法 | 第38-53页 |
| ·思路启迪 | 第38-39页 |
| ·稀疏拓展ArtiAnomalyG算法 | 第39-43页 |
| ·算法的原理方法介绍 | 第39-40页 |
| ·算法的过程描述 | 第40-43页 |
| ·稀疏拓展ArtiAnomalyG算法使用前提分析 | 第43页 |
| ·理论分析发生数据冲突的可能性 | 第43页 |
| ·设计实验验证冲突存在的可能性 | 第43页 |
| ·ArtiAnomalyG算法与AdaCost算法的结合 | 第43-45页 |
| ·算法的具体实现 | 第45-52页 |
| ·算法的实现平台 | 第45页 |
| ·算法程序中使用的几个关键的weka系统类 | 第45-47页 |
| ·实例属性类Attribute | 第45-46页 |
| ·实例样本类Instance | 第46页 |
| ·实例数据集类Instances | 第46-47页 |
| ·代价因子矩阵weka.classifiers.CostMatrix类 | 第47页 |
| ·RIPPER算法的实现类JRip | 第47页 |
| ·AdaCost类的具体实现 | 第47-50页 |
| ·稀疏拓展ArtiAnomalyG类的具体实现 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 实验设计及结果分析 | 第53-65页 |
| ·实验设计 | 第53-56页 |
| ·训练数据集来源 | 第53-55页 |
| ·确定误分类代价因子 | 第55-56页 |
| ·ArtiAnomalyG算法的数据冲突实验设计及结果分析 | 第56-61页 |
| ·实验设计 | 第56-59页 |
| ·结果分析 | 第59-61页 |
| ·ArtiAnomalyG算法的异常检测实验设计及结果分析 | 第61-65页 |
| ·实验设计 | 第61-64页 |
| ·结果分析 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·工作小结 | 第65-66页 |
| ·今后工作 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文 | 第72页 |
