| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 课题研究内容及成果 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 相关技术与相关开发工具 | 第14-19页 |
| 2.1 相关技术 | 第14-17页 |
| 2.1.1 搜索引擎Elasticsearch技术 | 第14页 |
| 2.1.2 对象关系框架iBATIS | 第14-15页 |
| 2.1.3 企业级框架Spring | 第15页 |
| 2.1.4 模板引擎Velocity技术 | 第15-16页 |
| 2.1.5 Java Script可视化图表插件Highcharts | 第16页 |
| 2.1.6 基于密度的聚类算法 | 第16页 |
| 2.1.7 Map Reduce编程模型 | 第16-17页 |
| 2.2 相关开发工具 | 第17-19页 |
| 2.2.1 Intelli J IDEA | 第17页 |
| 2.2.2 My SQL数据库 | 第17页 |
| 2.2.3 Redis内存级数据库 | 第17-19页 |
| 第3章 系统的总体设计 | 第19-25页 |
| 3.1 系统功能结构 | 第19-20页 |
| 3.2 系统模块设计 | 第20-25页 |
| 3.2.1 入侵检测数据采集模块 | 第20页 |
| 3.2.2 入侵检测异常数据统计分析模块 | 第20-22页 |
| 3.2.3 入侵检测数据可视化模块 | 第22-23页 |
| 3.2.4 系统管理模块 | 第23-25页 |
| 第4章 基于Map Reduce改进的融合聚类算法的二叉树SVM多分类算法 | 第25-34页 |
| 4.1 引言 | 第25-26页 |
| 4.1.1 传统入侵检测方法的不足 | 第25页 |
| 4.1.2 利用Map Reduce进行入侵检测的优势 | 第25-26页 |
| 4.2 基于Map Reduce的改进二叉树SVM算法 | 第26-28页 |
| 4.2.1 多分类SVM算法 | 第26-27页 |
| 4.2.2 基于聚类算法的改进二叉树SVM算法 | 第27-28页 |
| 4.2.3 基于Map Redude的改进二叉树SVM算法 | 第28页 |
| 4.3 实验结果与分析 | 第28-34页 |
| 4.3.1 实验环境 | 第28-29页 |
| 4.3.2 实验数据集 | 第29-31页 |
| 4.3.3 正确性测试 | 第31-32页 |
| 4.3.4 性能测试 | 第32-34页 |
| 第5章 系统的详细设计与实现 | 第34-62页 |
| 5.1 系统的设计 | 第34-35页 |
| 5.2 入侵检测数据采集模块的实现 | 第35-45页 |
| 5.2.1 日志结构分析 | 第35-36页 |
| 5.2.2 数据库的设计 | 第36-38页 |
| 5.2.3 Windows的数据采集实现 | 第38-40页 |
| 5.2.4 Snort的数据采集实现 | 第40-43页 |
| 5.2.5 定时采集 | 第43-44页 |
| 5.2.6 数据导入 | 第44-45页 |
| 5.3 入侵检测异常数据统计分析模块的实现 | 第45-53页 |
| 5.3.1 实时数据分析 | 第50-52页 |
| 5.3.2 数据审核分析 | 第52-53页 |
| 5.4 入侵检测数据可视化模块的实现 | 第53-57页 |
| 5.4.1 实时数据可视化 | 第53-54页 |
| 5.4.2 数据分类可视化 | 第54-57页 |
| 5.5 系统管理模块的实现 | 第57-62页 |
| 5.5.1 告警规则和报警配置 | 第57-59页 |
| 5.5.2 权限管理 | 第59-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
