基于数据挖掘的入侵检测算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·信息安全的内涵及相关问题 | 第12-14页 |
| ·信息安全的内涵 | 第12-13页 |
| ·传统的信息安全机制 | 第13页 |
| ·入侵检测研究的必要性 | 第13-14页 |
| ·论文研究内容和组织结构 | 第14-17页 |
| ·论文研究内容 | 第14-15页 |
| ·解决思路 | 第15页 |
| ·论文创新之处 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第2章 入侵检测与数据挖掘 | 第17-33页 |
| ·入侵检测基本原理 | 第17-22页 |
| ·入侵检测研究的渊源 | 第17页 |
| ·入侵检测系统的概念 | 第17-18页 |
| ·入侵检测的体系结构 | 第18-20页 |
| ·入侵检测常用技术 | 第20-22页 |
| ·数据挖掘基本原理 | 第22-28页 |
| ·数据挖掘的提出 | 第22-23页 |
| ·常用的数据挖掘算法 | 第23-28页 |
| ·基于数据挖掘的入侵检测研究 | 第28-29页 |
| ·基于数据挖掘的入侵检测方法 | 第29-33页 |
| ·基于决策树的方法 | 第29-30页 |
| ·基于聚类的方法 | 第30页 |
| ·基于神经网络的方法 | 第30-31页 |
| ·基于关联规则的方法 | 第31页 |
| ·基于序列模式的方法 | 第31-33页 |
| 第3章 一种基于核映射空间距离的入侵检测算法 | 第33-39页 |
| ·算法背景 | 第33-34页 |
| ·算法的基本思想 | 第34-36页 |
| ·算法描述 | 第36-37页 |
| ·实验及结果分析 | 第37-38页 |
| ·结论 | 第38-39页 |
| 第4章 基于约简支持向量机的入侵检测算法 | 第39-47页 |
| ·算法背景 | 第39页 |
| ·支持向量机 | 第39-40页 |
| ·约简支持向量机 | 第40-43页 |
| ·基于特征选择的约简支持向量机 | 第40-41页 |
| ·基于无监督聚类的约简支持向量机 | 第41-43页 |
| ·算法描述 | 第43-44页 |
| ·实验及结果分析 | 第44-46页 |
| ·结论 | 第46-47页 |
| 第5章 基于概率输出的支持向量机入侵检测算法 | 第47-53页 |
| ·算法背景 | 第47页 |
| ·基于概率输出的支持向量机 | 第47-48页 |
| ·加权后验概率多分类支持向量机 | 第48-50页 |
| ·实验及结果分析 | 第50-51页 |
| ·结论 | 第51-53页 |
| 第6章 结束语 | 第53-55页 |
| ·研究总结 | 第53页 |
| ·进一步的研究工作 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的论文与参加科研项目情况 | 第60-61页 |
