网络入侵检测技术研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究的背景以意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·研究内容 | 第10-11页 |
| ·本文的结构 | 第11-12页 |
| 第二章 入侵检测原理以及评价指标的研究 | 第12-18页 |
| ·入侵检测的概念以及技术原理 | 第12-13页 |
| ·入侵检测系统的架构 | 第13-15页 |
| ·入侵检测系统的评价指标 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 集成学习方法在入侵检测中应用的研究 | 第18-28页 |
| ·集成学习简介 | 第18-19页 |
| ·分类问题 | 第18页 |
| ·为什么集成学习有效果 | 第18-19页 |
| ·集成学习有效果的条件 | 第19页 |
| ·Adaboost算法的介绍 | 第19-22页 |
| ·boosting方法 | 第19-20页 |
| ·Adaboost算法 | 第20-22页 |
| ·一种基于Adaboost的异常检测分类算法 | 第22-27页 |
| ·算法设计的动机 | 第22-23页 |
| ·弱分类器的构造 | 第23-24页 |
| ·初始权重的赋值 | 第24-25页 |
| ·算法的具体描述以及相关说明 | 第25-26页 |
| ·实验结果分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 入侵检测系统模块化集成的研究 | 第28-40页 |
| ·引言 | 第28页 |
| ·相关工作 | 第28-29页 |
| ·模块化多分类器集成 | 第29-32页 |
| ·模块架构 | 第29-30页 |
| ·全局误报率以及模块误报率 | 第30-31页 |
| ·针对服务的多分类器系统 | 第31-32页 |
| ·无标记入侵检测方法的集成 | 第32-34页 |
| ·one-class分类技术 | 第32-34页 |
| ·分类器组合规则 | 第34页 |
| ·实验步骤以及结果分析 | 第34-39页 |
| ·训练集取样 | 第35-36页 |
| ·实验过程描述 | 第36-38页 |
| ·实验结果分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于攻击图的复合攻击警报关联以及预测方法 | 第40-46页 |
| ·前言 | 第40-41页 |
| ·基于攻击图的EQG模型 | 第41-42页 |
| ·基于EQG模型的警报关联方法 | 第42-43页 |
| ·假设遗漏的警报以及警报预测 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·工作总结 | 第46-47页 |
| ·下一步工作 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间主要的研究成果 | 第55页 |
