基于聚类的入侵检测算法研究
| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-14页 |
| ·问题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的主要工作 | 第12-14页 |
| ·研究的主要内容 | 第12-13页 |
| ·论文的结构 | 第13-14页 |
| 第2章 入侵检测技术 | 第14-26页 |
| ·入侵检测技术概述 | 第14-16页 |
| ·入侵检测系统起源与发展 | 第14-15页 |
| ·入侵检测系统的一般组成 | 第15-16页 |
| ·入侵检测系统的工作原理与工作模式 | 第16-18页 |
| ·入侵检测系统的工作原理 | 第16-17页 |
| ·入侵检测系统的工作模式 | 第17-18页 |
| ·入侵检测系统的通用模型 | 第18-19页 |
| ·入侵检测系统的分类 | 第19-23页 |
| ·基于检测技术的IDS | 第20-22页 |
| ·基于数据来源的IDS | 第22-23页 |
| ·入侵检测系统的发展趋势 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 模糊C均值算法和遗传算法 | 第26-38页 |
| ·将数据挖掘引入入侵检测研究 | 第26-28页 |
| ·数据挖掘的过程 | 第26-27页 |
| ·主要的数据挖掘算法 | 第27-28页 |
| ·常用的聚类算法 | 第28-30页 |
| ·划分算法 | 第28-29页 |
| ·层次算法 | 第29页 |
| ·基于密度的算法 | 第29页 |
| ·基于模型的算法 | 第29页 |
| ·基于网格的算法 | 第29-30页 |
| ·模糊C 均值算法及其改进算法 | 第30-32页 |
| ·模糊聚类阐述 | 第30-31页 |
| ·传统的 C 均值聚类算法 | 第31页 |
| ·FCM 算法的算法描述 | 第31-32页 |
| ·聚类算法存在的问题 | 第32-33页 |
| ·遗传算法 | 第33-37页 |
| ·遗传算法基本概念 | 第33-34页 |
| ·遗传算法的基本原理 | 第34-35页 |
| ·遗传算法的步骤 | 第35-36页 |
| ·遗传算法的理论基础 | 第36页 |
| ·遗传算法的特点 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于FCM算法和遗传算法的FGA算法 | 第38-50页 |
| ·目标函数 | 第38-39页 |
| ·FGA 算法步骤 | 第39-41页 |
| ·FGA 算法的处理流程以及伪代码 | 第41-43页 |
| ·改进的FGA 算法 | 第43-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 仿真实验与结果分析 | 第50-58页 |
| ·算法性能评价一般标准 | 第50页 |
| ·实验数据描述 | 第50-51页 |
| ·网络数据的属性特性分析 | 第51-53页 |
| ·数据的预处理与准备 | 第53-55页 |
| ·算法实验与分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 本文总结 | 第58页 |
| 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-65页 |
| 感谢 | 第65-66页 |
| 大摘要 | 第66-70页 |
