流场景下增量决策树算法在入侵检测中的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·入侵检测系统 | 第11-14页 |
| ·入侵检测的定义 | 第11-12页 |
| ·入侵检测的关键技术系统的分类和比较 | 第12-14页 |
| ·入侵检测技术现状 | 第14-17页 |
| ·入侵检测系统存在的问题 | 第15-16页 |
| ·当前入侵检测系统的发展趋势 | 第16-17页 |
| ·论文的主要研究内容 | 第17-19页 |
| ·课题来源 | 第17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第2章 数据流挖掘在入侵检测中的应用 | 第19-24页 |
| ·引言 | 第19页 |
| ·数据流挖掘模型 | 第19-20页 |
| ·基于决策树的流数据挖掘研究现状和研究热点 | 第20-22页 |
| ·国内外研究现状 | 第20-21页 |
| ·研究热点 | 第21-22页 |
| ·决策树算法在入侵检测中的应用 | 第22-23页 |
| ·决策树算法在入侵检测中应用的优势和不足 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 一种基于红黑树的增量决策树新算法 | 第24-39页 |
| ·引言 | 第24页 |
| ·决策树算法研究 | 第24-28页 |
| ·决策树算法 | 第24-25页 |
| ·属性选择准则 | 第25-27页 |
| ·决策树剪枝 | 第27-28页 |
| ·增量式决策树算法研究 | 第28-31页 |
| ·VTDF 算法 | 第29页 |
| ·Hoeffding Bound 概念 | 第29-30页 |
| ·算法实现 | 第30-31页 |
| ·连续属性处理 | 第31-32页 |
| ·基于红黑树的增量决策树算法VFDTrb | 第32-38页 |
| ·红黑树 | 第32-37页 |
| ·算法实现 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 一种基于红黑树的增量决策树新算法 | 第39-49页 |
| ·引言 | 第39页 |
| ·模拟数据实验 | 第39-42页 |
| ·准确率实验 | 第40-41页 |
| ·空间复杂度实验 | 第41页 |
| ·时间复杂度实验 | 第41-42页 |
| ·仿真实验 | 第42-48页 |
| ·Libpcap 函数库 | 第42-43页 |
| ·网络特征向量提取 | 第43-46页 |
| ·数据存储 | 第46页 |
| ·检测模型 | 第46页 |
| ·Darpa 1998 离线数据 | 第46-47页 |
| ·训练数据生成 | 第47-48页 |
| ·实验结果与分析 | 第48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
