| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究工作的背景与意义 | 第11-14页 |
| 1.2 国内外研究历史与现状 | 第14-17页 |
| 1.2.1 入侵检测技术研究历史与现状 | 第14页 |
| 1.2.2 离群点挖掘研究历史与现状 | 第14-16页 |
| 1.2.3 云计算的研究历史与现状 | 第16页 |
| 1.2.4 离群点挖掘在入侵检测系统中的应用 | 第16-17页 |
| 1.3 本文的主要工作与研究内容 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-19页 |
| 第二章 HADOOP和入侵检测及离群点挖掘基本原理 | 第19-39页 |
| 2.1 入侵检测 | 第19-24页 |
| 2.1.1 入侵检测概述 | 第19-20页 |
| 2.1.2 入侵检测系统分类 | 第20-22页 |
| 2.1.3 入侵检测系统的结构 | 第22页 |
| 2.1.4 入侵检测方法 | 第22-24页 |
| 2.2 云平台介绍 | 第24-28页 |
| 2.2.1 Hadoop概述 | 第24-26页 |
| 2.2.2 Hadoop分布式文件系统（HDFS） | 第26-27页 |
| 2.2.3 Hadoop的MapReduce编程框架 | 第27-28页 |
| 2.3 数据挖掘 | 第28-35页 |
| 2.3.1 数据挖掘概述 | 第28-30页 |
| 2.3.2 离群点挖掘 | 第30-33页 |
| 2.3.3 离群点挖掘在入侵检测中的应用 | 第33-34页 |
| 2.3.4 离群点挖掘的评价指标 | 第34-35页 |
| 2.4 并行数据挖掘相关技术 | 第35-38页 |
| 2.4.1 并行数据挖掘概述 | 第35页 |
| 2.4.2 并行计算理论和计算 | 第35-37页 |
| 2.4.3 并行算法的性能评价 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于属性相关性和离群概率的离群点挖掘算法 | 第39-56页 |
| 3.1 引言 | 第39页 |
| 3.2 属性相关性分析和离群概率 | 第39-40页 |
| 3.2.1 属性相关性分析介绍 | 第39-40页 |
| 3.2.2 离群概率介绍 | 第40页 |
| 3.3 算法描述 | 第40-54页 |
| 3.3.1 问题描述 | 第40-42页 |
| 3.3.2 属性相关性分析 | 第42-47页 |
| 3.3.3 属性约简 | 第47-50页 |
| 3.3.4 计算离群概率 | 第50-54页 |
| 3.4 算法在入侵检测系统中的应用 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 离群点数据挖掘的并行性 | 第56-66页 |
| 4.1 引言 | 第56页 |
| 4.2 云平台程序简述 | 第56-57页 |
| 4.3 离群点数据挖掘算法并行性概述 | 第57页 |
| 4.4 离群点挖掘算法ACPO算法的并行化分析 | 第57-58页 |
| 4.5 并行算法的设计与实现 | 第58-65页 |
| 4.5.1 属性相关性分析的并行化设计与实现 | 第58-61页 |
| 4.5.2 属性约简的并行化设计与实现 | 第61-63页 |
| 4.5.3 计算离群概率的并行化设计与实现 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 实验与结果分析 | 第66-73页 |
| 5.1 引言 | 第66页 |
| 5.2 实验准备 | 第66-68页 |
| 5.2.1 数据集的选取 | 第66-67页 |
| 5.2.2 数据的预处理 | 第67页 |
| 5.2.3 实验环境搭建 | 第67-68页 |
| 5.3 结果分析 | 第68-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
