数据流挖掘技术在入侵检测中的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| CONTENTS | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 论文的研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 入侵检测与数据流挖掘 | 第16-29页 |
| 2.1 入侵检测 | 第16-21页 |
| 2.1.1 入侵检测的概念 | 第16-17页 |
| 2.1.2 入侵检测的分类 | 第17-20页 |
| 2.1.3 入侵检测系统面临的挑战 | 第20-21页 |
| 2.2 数据流挖掘 | 第21-25页 |
| 2.2.1 数据流挖掘引入 | 第21-22页 |
| 2.2.2 数据流挖掘算法的特点 | 第22-23页 |
| 2.2.3 数据流挖掘主要支撑技术 | 第23-25页 |
| 2.3 用户行为的可追踪性 | 第25-26页 |
| 2.4 网络访问数据流的特点 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 数据流最大频繁模式挖掘算法 | 第29-43页 |
| 3.1 频繁模式挖掘 | 第29-30页 |
| 3.2 数据流最大频繁模式挖掘的典型算法 | 第30-33页 |
| 3.2.1 estDec+算法 | 第30-31页 |
| 3.2.2 DSM-MFI算法 | 第31-32页 |
| 3.2.3 INSTANT算法 | 第32-33页 |
| 3.3 窗口模型 | 第33-34页 |
| 3.4 MFP-Stream算法介绍 | 第34-42页 |
| 3.4.1 带权的位对象 | 第34-37页 |
| 3.4.2 位频繁模式树MFP-Tree | 第37-39页 |
| 3.4.3 剪枝策略 | 第39-40页 |
| 3.4.4 算法基本思想和描述 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于数据流挖掘的入侵检测系统设计与实现 | 第43-50页 |
| 4.1 Snort系统 | 第43-44页 |
| 4.2 系统模型图 | 第44-46页 |
| 4.3 功能介绍 | 第46-49页 |
| 4.3.1 抓包及过滤模块 | 第46-47页 |
| 4.3.2 预处理模块 | 第47-49页 |
| 4.3.3 数据流挖掘模块 | 第49页 |
| 4.3.4 特征提取模块 | 第49页 |
| 4.3.5 控制模块 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 实验及结果分析 | 第50-53页 |
| 5.1 KDD99数据集介绍 | 第50-51页 |
| 5.2 性能评价指标 | 第51页 |
| 5.3 实验及结果分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术论文和参加的研究项目 | 第58-60页 |
| 致谢 | 第60页 |
