| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-16页 |
| ·课题背景及来源 | 第12-13页 |
| ·本文主要贡献 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第二章 入侵检测技术研究 | 第16-27页 |
| ·国内外发展历史及现状 | 第16-20页 |
| ·入侵检测技术评价标准 | 第16-18页 |
| ·国内外发展历史及现状 | 第18-20页 |
| ·入侵检测技术分类 | 第20-23页 |
| ·基于主机的入侵检测技术 | 第21页 |
| ·基于网络的入侵检测技术 | 第21-22页 |
| ·误用入侵检测技术 | 第22-23页 |
| ·异常入侵检测技术 | 第23页 |
| ·入侵检测技术发展方向 | 第23-25页 |
| ·目前存在的问题 | 第23-24页 |
| ·未来发展方向 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 网络入侵检测中机器学习方法的应用研究 | 第27-53页 |
| ·机器学习简介 | 第27-30页 |
| ·概念及历史 | 第27-28页 |
| ·理论基础简介 | 第28页 |
| ·入侵检测中的应用历史与现状 | 第28-30页 |
| ·神经网络在网络入侵检测中的应用 | 第30-39页 |
| ·前馈后向传播神经网络在网络入侵检测中的应用 | 第30-34页 |
| ·基本概念 | 第30-31页 |
| ·后向传播算法 | 第31-33页 |
| ·入侵检测的应用 | 第33-34页 |
| ·自组织映射神经网络在网络入侵检测中的应用 | 第34-37页 |
| ·基本原理 | 第34-35页 |
| ·相关概念 | 第35-36页 |
| ·入侵检测中的应用 | 第36-37页 |
| ·自组织映射神经网络在网络异常检测中的应用 | 第37-39页 |
| ·检测依据概述 | 第37-38页 |
| ·异常判别方法 | 第38-39页 |
| ·异常检测流程 | 第39页 |
| ·支持向量机在网络入侵检测中的应用 | 第39-47页 |
| ·分类支持向量机在入侵检测中的应用 | 第40-43页 |
| ·原理与概述 | 第40-43页 |
| ·SVM 分类预测流程 | 第43页 |
| ·入侵检测中的应用 | 第43页 |
| ·单类支持向量机在网络异常检测中的应用 | 第43-47页 |
| ·原理与概述 | 第43-45页 |
| ·异常检测中的应用 | 第45-47页 |
| ·支持向量机在多类入侵检测中的应用 | 第47页 |
| ·近邻法在网络入侵检测中的应用 | 第47-52页 |
| ·最近邻法 | 第48-49页 |
| ·K 近邻法 | 第49-50页 |
| ·剪辑近邻法 | 第50页 |
| ·重复剪辑近邻法 | 第50-51页 |
| ·压缩近邻法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于特征压缩和分支剪裁的直推式网络异常检测算法 | 第53-60页 |
| ·相关定义 | 第53-54页 |
| ·算法说明 | 第54-55页 |
| ·算法的改进 | 第55-59页 |
| ·特征压缩 | 第55-56页 |
| ·分支剪裁 | 第56-59页 |
| ·分支限界树建立 | 第57页 |
| ·剪裁规则 | 第57-58页 |
| ·改进算法的K 近邻搜索流程 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 实验分析与对比 | 第60-99页 |
| ·实验数据及实验环境说明 | 第60-63页 |
| ·实验数据说明 | 第60-62页 |
| ·预处理说明 | 第62页 |
| ·实验环境说明 | 第62-63页 |
| ·神经网络检测效果及分析 | 第63-75页 |
| ·前馈后向传播神经网络检测实验分析 | 第63-68页 |
| ·网络设计方法 | 第63-64页 |
| ·仿真实验关键部分说明 | 第64页 |
| ·实验结果 | 第64-68页 |
| ·自组织映射神经网络入侵检测实验分析 | 第68-72页 |
| ·实验方法说明 | 第68页 |
| ·实验过程及结果 | 第68-72页 |
| ·自组织映射神经网络异常检测实验分析 | 第72-75页 |
| ·实验方法说明 | 第72-73页 |
| ·实验过程及结果 | 第73-75页 |
| ·支持向量机检测效果及分析 | 第75-79页 |
| ·分类支持向量机入侵检测实验分析 | 第75-77页 |
| ·单类支持向量机异常检测实验分析 | 第77-78页 |
| ·支持向量机多类入侵检测实验分析 | 第78-79页 |
| ·近邻法检测效果及分析 | 第79-87页 |
| ·最近邻法 | 第79-80页 |
| ·K 近邻法 | 第80-81页 |
| ·剪辑近邻法 | 第81-82页 |
| ·重复剪辑近邻法 | 第82-84页 |
| ·压缩近邻法 | 第84-87页 |
| ·本文改进算法的实现与实验分析 | 第87-95页 |
| ·特征压缩实现 | 第87-88页 |
| ·分支限界树关键数据结构设计 | 第88-89页 |
| ·分支限界树关键函数设计 | 第89-90页 |
| ·计算资源消耗对比分析 | 第90-93页 |
| ·建模时间对比 | 第91-92页 |
| ·欧氏距离计算次数对比 | 第92-93页 |
| ·空间资源消耗对比 | 第93页 |
| ·改进前后检测效果对比 | 第93-94页 |
| ·本文改进算法的意义 | 第94-95页 |
| ·各种算法实验结果对比与分析 | 第95-96页 |
| ·网络入侵检测算法对比分析 | 第95-96页 |
| ·网络异常检测算法对比分析 | 第96页 |
| ·关于本文研究的算法在实际系统中的部署与应用 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 第六章 结论 | 第99-102页 |
| ·本文工作总结 | 第99-101页 |
| ·未来工作展望 | 第101-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-108页 |
| 攻硕期间取得的研究成果 | 第108-109页 |