网络入侵检测系统研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·计算机网络安全面临的现状 | 第12页 |
| ·IDS简介 | 第12-16页 |
| ·IDS定义 | 第13-14页 |
| ·IDS技术的发展历程 | 第14-15页 |
| ·IDS面临的主要问题及发展趋势 | 第15-16页 |
| ·论文的意义、任务和主要内容 | 第16-18页 |
| 第二章 网络入侵检测系统 | 第18-24页 |
| ·网络入侵检测系统概述 | 第18-19页 |
| ·数据源分析 | 第19-21页 |
| ·数据预处理 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 网络入侵检测系统的特征提取 | 第24-48页 |
| ·引言 | 第24页 |
| ·特征选择的数学模型 | 第24-25页 |
| ·基于Filter模式的特征提取 | 第25-34页 |
| ·Relief算法 | 第26-28页 |
| ·主成分分析 | 第28-32页 |
| ·Information Gain算法 | 第32-34页 |
| ·基于wrapper模式的特征提取 | 第34-42页 |
| ·神经网络理论模型 | 第35-36页 |
| ·基于特征分组的自联想BP神经网络 | 第36-39页 |
| ·实验结果 | 第39-42页 |
| ·基于Hybrid模式的特征选择模型 | 第42-46页 |
| ·遗传算法理论 | 第43-44页 |
| ·基于支持向量机的遗传算法模型 | 第44-46页 |
| ·算法性能分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第四章 网络入侵检测系统的检测模型 | 第48-62页 |
| ·引言 | 第48页 |
| ·学习问题的数学表达 | 第48-49页 |
| ·支持向量机模型 | 第49-55页 |
| ·支持向量机理论 | 第50-54页 |
| ·最小二乘支持向量机 | 第54-55页 |
| ·基于FCM的多分类器 | 第55-58页 |
| ·基于RBF神经网络的多类分类器 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 数据采集与分析系统 | 第62-70页 |
| ·引言 | 第62页 |
| ·基于JPCAP的数据采集和分析系统 | 第62-65页 |
| ·数据采集模块 | 第62-65页 |
| ·数据分析模块 | 第65页 |
| ·实验结果与分析 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| ·结论 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74-76页 |
| 研究成果及发表的学术论文 | 第76-78页 |
| 作者与导师简介 | 第78-79页 |
| 附件 | 第79-80页 |
