| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 入侵检测系统研究现状 | 第10页 |
| 1.2.2 入侵检测技术研究现状 | 第10-11页 |
| 1.2.3 云环境下入侵检测技术研究现状 | 第11-12页 |
| 1.3 论文研究目标和研究内容 | 第12页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 云环境下的入侵检测系统模型 | 第14-24页 |
| 2.1 入侵检测系统 | 第14-17页 |
| 2.1.1 按数据来源分类 | 第14-15页 |
| 2.1.2 按检测方法分类 | 第15-17页 |
| 2.2 云环境入侵检测需求 | 第17-18页 |
| 2.3 入侵检测标准模型CIDF | 第18-19页 |
| 2.4 云环境入侵检测系统模型 | 第19-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 自组织特征映射SOM神经网络 | 第24-30页 |
| 3.1 人工神经网络 | 第24-25页 |
| 3.1.1 人工神经网络分类 | 第24页 |
| 3.1.2 人工神经网络特点 | 第24-25页 |
| 3.2 自组织特征映射SOM神经网络 | 第25-28页 |
| 3.2.1 SOM神经网络结构 | 第25-26页 |
| 3.2.2 SOM神经网络工作原理 | 第26-27页 |
| 3.2.3 SOM神经网络算法流程 | 第27-28页 |
| 3.3 SOM神经网络应用于入侵检测 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 模拟退火微粒群算法优化SOM神经网络 | 第30-38页 |
| 4.1 SOM神经网络优化思想 | 第30-31页 |
| 4.1.1 SOM神经网络的局限性 | 第30页 |
| 4.1.2 SOM神经网络的优化 | 第30-31页 |
| 4.2 微粒群算法 | 第31-33页 |
| 4.2.1 PSO算法概述 | 第31页 |
| 4.2.2 PSO算法原理 | 第31-32页 |
| 4.2.3 PSO算法流程 | 第32-33页 |
| 4.3 基于模拟退火的微粒群算法 | 第33-35页 |
| 4.3.1 模拟退火算法 | 第33-34页 |
| 4.3.2 引入模拟退火思想的微粒群算法 | 第34-35页 |
| 4.4 模拟退火微粒群算法优化SOM神经网络 | 第35-37页 |
| 4.4.1 微粒的搜索维度 | 第36页 |
| 4.4.2 适应度函数 | 第36页 |
| 4.4.3 模拟退火微粒群SOM算法流程 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 入侵检测算法的并行化设计与实现 | 第38-54页 |
| 5.1 云计算平台Hadoop | 第38-41页 |
| 5.1.1 HDFS分布式文件系统 | 第39-40页 |
| 5.1.2 MapReduce编程模型 | 第40-41页 |
| 5.2 基于MapReduce的入侵检测算法设计 | 第41-47页 |
| 5.2.1 SAPSO算法的MapReduce并行 | 第42-44页 |
| 5.2.2 SOM算法的MapReduce并行 | 第44-47页 |
| 5.3 Hadoop平台实验设计 | 第47-53页 |
| 5.3.1 实验数据集 | 第47-49页 |
| 5.3.2 实验环境 | 第49页 |
| 5.3.3 Hadoop平台搭建 | 第49-51页 |
| 5.3.4 实验及结果分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-55页 |
| 6.1 工作总结 | 第54页 |
| 6.2 未来工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |