| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| 1．1 研究背景及意义 | 第7-9页 |
| 1．2 入侵检测的研究进展及现状 | 第9-10页 |
| 1．3 支撑矢量机的研究进展及现状 | 第10-11页 |
| 1．4 论文所做工作及内容安排 | 第11-13页 |
| 第二章 入侵检测概述 | 第13-25页 |
| 2．1 引言 | 第13页 |
| 2．2 入侵检测的基本概念与模型 | 第13-14页 |
| 2．3 入侵检测技术 | 第14-22页 |
| 2．3．1 异常入侵检测 | 第15-19页 |
| 2．3．2 误用入侵检测 | 第19-21页 |
| 2．3．3 混合型入侵检测 | 第21-22页 |
| 2．4 入侵检测的发展趋势 | 第22-23页 |
| 2．4．1 体系结构演变 | 第22页 |
| 2．4．2 安全技术综合集成 | 第22页 |
| 2．4．3 标准化 | 第22-23页 |
| 2．4．4 安全性评估 | 第23页 |
| 2．4．5 面向IPv6的入侵检测 | 第23页 |
| 2．5 结束语 | 第23-25页 |
| 第三章 统计学习理论与支撑矢量机 | 第25-37页 |
| 3．1 统计学习理论 | 第25-29页 |
| 3．1．1 学习问题的模型 | 第25-26页 |
| 3．1．2 学习过程的一致性 | 第26-27页 |
| 3．1．3 学习机推广能力的界 | 第27-28页 |
| 3．1．4 控制学习过程的推广能力 | 第28-29页 |
| 3．1．5 构造学习算法 | 第29页 |
| 3．2 支撑矢量机 | 第29-32页 |
| 3．3 核函数 | 第32-37页 |
| 3．3．1 再生核与再生核Hilbert空间 | 第32-35页 |
| 3．3．2 Mercer容许核的构造 | 第35-36页 |
| 3．3．3 再生核作为距离测度和函数表示 | 第36-37页 |
| 第四章 基于WHVDM核函数中心距离比值法用于入侵检测 | 第37-53页 |
| 4．1 引言 | 第37-38页 |
| 4．2 基于WHVDM核函数和中心距离比值法的入侵检测方法 | 第38-45页 |
| 4．2．1 中心距离比值法 | 第38-39页 |
| 4．2．2 异构数据集上的距离度量函数HVDM | 第39-40页 |
| 4．2．3 信息熵理论 | 第40-41页 |
| 4．2．4 基于平均互信息量加权HVDM距离(WHVDM) | 第41-42页 |
| 4．2．5 中心距离比值法用于入侵检测存在的问题 | 第42页 |
| 4．2．6 基于WHVDM距离的RBF形核函数构造 | 第42-44页 |
| 4．2．7 方法步骤小结 | 第44-45页 |
| 4．3 仿真实验 | 第45-50页 |
| 4．3．1 KDD99入侵检测数据 | 第45-46页 |
| 4．3．2 实验方法及结果讨论 | 第46-50页 |
| 4．3．3 实验总结 | 第50页 |
| 4．4 结论 | 第50-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5．1 全文总结 | 第53-54页 |
| 5．2 对未来研究的展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-65页 |
| 在读期间的研究成果 | 第65页 |
