孤立点挖掘在入侵检测中的应用研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·问题的提出及研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·论文研究的主要内容 | 第14-15页 |
| 2 数据挖掘应用于异常检测的理论及方法 | 第15-23页 |
| ·异常检测 | 第15-17页 |
| ·异常检测技术综合分析 | 第15-16页 |
| ·发展趋势 | 第16-17页 |
| ·数据挖掘与入侵检测 | 第17-22页 |
| ·数据挖掘技术简介 | 第17-18页 |
| ·数据挖掘应用于入侵检测 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于孤立点挖掘的异常检测 | 第23-28页 |
| ·孤立点挖掘技术的产生和定义 | 第23-24页 |
| ·几种孤立点挖掘方法 | 第24-26页 |
| ·基于统计的方法 | 第24页 |
| ·基于偏移的方法 | 第24-25页 |
| ·基于距离的方法 | 第25页 |
| ·基于聚类的方法 | 第25页 |
| ·基于密度的方法 | 第25-26页 |
| ·高维数据的孤立点挖掘方法 | 第26页 |
| ·孤立点挖掘在入侵检测中的应用分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 基于距离的孤立点挖掘算法及改进 | 第28-37页 |
| ·引言 | 第28页 |
| ·几种基于距离的D nk 算法 | 第28-30页 |
| ·批处理嵌入式循环 | 第29页 |
| ·基于索引的链接 | 第29-30页 |
| ·基于划分的方法 | 第30页 |
| ·一种先聚类后识别孤立点的算法 | 第30-36页 |
| ·利用聚类算法划分数据集 | 第31-33页 |
| ·计算数据对象的第k 最近距离 | 第33-36页 |
| ·排序第k 最近距离识别孤立点 | 第36页 |
| ·小结 | 第36页 |
| ·本章小结 | 第36-37页 |
| 5 基于距离的孤立点挖掘在异常入侵检测中的应用 | 第37-47页 |
| ·实验数据 | 第37-39页 |
| ·实验数据来源 | 第37-38页 |
| ·过滤实验数据集 | 第38-39页 |
| ·实验环境 | 第39-40页 |
| ·算法执行要点 | 第40-42页 |
| ·两对象间距离的确定 | 第40-42页 |
| ·参数的确定 | 第42页 |
| ·实验结果及评估 | 第42-46页 |
| ·评估参数 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 6 论文的总结 | 第47-49页 |
| ·论文的主要工作 | 第47-48页 |
| ·进一步努力的方向 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录作者在攻读硕士学位期间的其它工作 | 第53-54页 |
