基于聚类的网络入侵检测的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·入侵检测国内外研究现状 | 第11-12页 |
| ·基于聚类的入侵检测的研究进展 | 第12-14页 |
| ·本论文研究的主要内容 | 第14-15页 |
| 第二章 网络入侵检测与聚类分析相关技术 | 第15-34页 |
| ·入侵检测功能 | 第15-16页 |
| ·入侵检测系统的分类 | 第16-20页 |
| ·入侵检测系统的组成 | 第16-18页 |
| ·入侵检测系统的分类 | 第18-20页 |
| ·入侵检测方法 | 第20-23页 |
| ·入侵检测技术 | 第23-25页 |
| ·聚类分析 | 第25-26页 |
| ·聚类算法的基本要素 | 第26-29页 |
| ·距离函数 | 第26-28页 |
| ·类间距离 | 第28-29页 |
| ·常用的聚类算法简介 | 第29-32页 |
| ·划分法 | 第30页 |
| ·层次法 | 第30-31页 |
| ·基于密度的方法 | 第31页 |
| ·基于网格的方法 | 第31页 |
| ·基于模型的方法 | 第31-32页 |
| ·网络入侵检测对聚类算法的要求 | 第32-34页 |
| 第三章 聚类算法在网络入侵检测中应用的研究 | 第34-40页 |
| ·在入侵检测中使用聚类算法 | 第34-36页 |
| ·数据预处理 | 第35页 |
| ·实验用数据集的自动生成 | 第35页 |
| ·数据分析 | 第35页 |
| ·入侵检测模型的建立 | 第35-36页 |
| ·K-MEANS聚类算法 | 第36-39页 |
| ·k-means算法 | 第37-38页 |
| ·k-means算法存在的问题 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第四章 改进的聚类算法设计与实现 | 第40-55页 |
| ·遗传算法的引入 | 第40-41页 |
| ·遗传算法优化K值设计 | 第41-44页 |
| ·染色体的设计 | 第42页 |
| ·初始化种群 | 第42页 |
| ·适应度函数计算 | 第42-43页 |
| ·遗传操作 | 第43页 |
| ·动态确定k-means算法的k值 | 第43页 |
| ·终止准则 | 第43-44页 |
| ·遗传算法优化K值实现 | 第44-47页 |
| ·种群的初始化 | 第44-45页 |
| ·适应度函数的计算 | 第45页 |
| ·遗传操作 | 第45-46页 |
| ·动态确定k值 | 第46页 |
| ·终止准则 | 第46-47页 |
| ·实验仿真及结果分析 | 第47-55页 |
| ·数据源说明及分析 | 第47-50页 |
| ·实验环境及数据准备 | 第50-52页 |
| ·实验结果与分析 | 第52-55页 |
| 第五章 基于改进聚类算法的入侵检测系统设计 | 第55-63页 |
| ·入侵检测模型的设计原则 | 第55页 |
| ·基于改进聚类算法的入侵检测系统 | 第55-57页 |
| ·基于聚类的入侵检测系统 | 第55-57页 |
| ·基于聚类的入侵检测系统的优点 | 第57页 |
| ·关键技术分析 | 第57-63页 |
| ·网络数据包捕获 | 第57-59页 |
| ·数据分析 | 第59-60页 |
| ·数据标准化处理 | 第60-61页 |
| ·高效聚类算法的实现流程 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·论文的主要工作 | 第63页 |
| ·进一步的研究方向 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士期间完成的论文 | 第69页 |
