| 摘要 | 第1-5页 |
| ABSTRACT | 第5-16页 |
| 第一章 绪论 | 第16-36页 |
| ·研究背景、目的和意义 | 第16-18页 |
| ·入侵检测概述 | 第18-29页 |
| ·入侵检测发展历程 | 第19-23页 |
| ·根据检测对象的分类 | 第23-24页 |
| ·根据检测引擎的分类 | 第24-26页 |
| ·基于数据挖掘的入侵检测系统研究 | 第26-27页 |
| ·入侵检测的发展趋势 | 第27-29页 |
| ·非均衡数据分类问题概述 | 第29-32页 |
| ·非均衡分类问题 | 第29-30页 |
| ·非均衡数据分类学习的应用 | 第30页 |
| ·非均衡数据分类问题实质的探讨 | 第30-32页 |
| ·研究内容和创新点 | 第32-35页 |
| ·研究内容 | 第32-34页 |
| ·主要创新点 | 第34-35页 |
| ·论文的组织结构 | 第35-36页 |
| 第二章 TSMBLB—高速网络入侵检测模型 | 第36-46页 |
| ·高速网络环境下的入侵检测研究概述 | 第36-37页 |
| ·基于高性能硬件的入侵检测研究 | 第37-41页 |
| ·基于FPGA 的高速网络入侵检测 | 第37-38页 |
| ·基于LINUX 集群实现高速网入侵检测 | 第38页 |
| ·基于NP 实现高速网络入侵检测 | 第38-40页 |
| ·基于GPU 的高速网络入侵检测 | 第40-41页 |
| ·TSMBLB 高速网络入侵检测系统模型的提出 | 第41-45页 |
| ·在线检测模块 | 第42-44页 |
| ·离线建模模块 | 第44-45页 |
| ·本章小节 | 第45-46页 |
| 第三章 面向分层检测的攻击分类方法 | 第46-56页 |
| ·攻击分类 | 第46-49页 |
| ·攻击分类概述 | 第46-47页 |
| ·攻击分类原则 | 第47页 |
| ·面向入侵检测的分类方法 | 第47-49页 |
| ·分层检测的攻击分类方法（HIERARCHICAL DETECTION ORIENTED ATTACK CLASSIFICATION） | 第49-53页 |
| ·分层检测的攻击分类方法的提出 | 第49-50页 |
| ·分类方法描述 | 第50-51页 |
| ·形式化描述 | 第51-53页 |
| ·本章小节 | 第53-56页 |
| 第四章 集成学习在网络入侵检测中的实验研究 | 第56-70页 |
| ·集成学习 | 第56-61页 |
| ·集成学习概述 | 第56-57页 |
| ·基分类器的构造方法 | 第57-59页 |
| ·基分类器的组合方法 | 第59页 |
| ·集成学习研究现状 | 第59-61页 |
| ·AdaBoost 算法及其应用 | 第61-64页 |
| ·Bagging 和Boosting 集成学习方法 | 第61-62页 |
| ·AdaBoost 算法 | 第62-63页 |
| ·基分类器算法 | 第63-64页 |
| ·基分类器的选择实验 | 第64页 |
| ·实验与结果分析 | 第64-69页 |
| ·数据预处理 | 第64-67页 |
| ·实验内容 | 第67-69页 |
| ·本章小节 | 第69-70页 |
| 第五章 非均衡数据分类技术在入侵检测中的应用 | 第70-94页 |
| ·非均衡数据分类研究现状 | 第70-74页 |
| ·非均衡数据的重抽样技术 | 第70-71页 |
| ·非均衡数据的分类算法 | 第71-74页 |
| ·基于TSMBLB 模型的非均衡数据分类 | 第74-83页 |
| ·分类框架设计 | 第74-75页 |
| ·特征选择及Relief 算法 | 第75-76页 |
| ·SMOTE 过抽样算法及其改进 | 第76-80页 |
| ·随机森林算法 | 第80页 |
| ·分类器性能的评估指标 | 第80-82页 |
| ·分类器性能的评估方法 | 第82-83页 |
| ·实验与结果分析 | 第83-91页 |
| ·特征选择 | 第86-88页 |
| ·实验内容 | 第88-91页 |
| ·实验结果分析 | 第91页 |
| ·本章小节 | 第91-94页 |
| 第六章 基于最近邻的快速分层重抽样方法及其应用 | 第94-110页 |
| ·重抽样方法的思想来源 | 第94-95页 |
| ·欠抽样方法 | 第95-98页 |
| ·Tomek links 方法 | 第96页 |
| ·One-sided selection 方法 | 第96页 |
| ·Neighborhood Cleaning Rule 方法 | 第96-97页 |
| ·剪辑近邻法. | 第97页 |
| ·压缩近邻法 | 第97-98页 |
| ·其他研究 | 第98页 |
| ·快速分层最近邻重抽样方法FHNN 的提出 | 第98-100页 |
| ·算法设计 | 第98-100页 |
| ·算法分析 | 第100页 |
| ·算法讨论 | 第100页 |
| ·实验与结果分析 | 第100-108页 |
| ·数据集特点分析实验 | 第101-102页 |
| ·FHNN 方法的实验 | 第102-108页 |
| ·实验结果分析 | 第108页 |
| ·本章小节 | 第108-110页 |
| 第七章 结束语 | 第110-112页 |
| ·工作总结 | 第110页 |
| ·进一步研究展望 | 第110-112页 |
| 参考文献 | 第112-127页 |
| 致谢 | 第127-128页 |
| 攻读博士学位期间发表的论文 | 第128-129页 |
| 攻读博士学位期间主持和参与的科研项目 | 第129-130页 |
