| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-19页 |
| ·入侵检测 | 第13-17页 |
| ·网络安全现状 | 第13-14页 |
| ·入侵检测定义 | 第14-16页 |
| ·入侵检测研究现状及发展趋势 | 第16-17页 |
| ·本文的内容组织 | 第17-19页 |
| 第二章 数据挖掘及贝叶斯分类在入侵检测中应用 | 第19-31页 |
| ·数据挖掘定义与应用现状 | 第19-21页 |
| ·数据挖掘定义 | 第19-20页 |
| ·数据挖掘过程与功能 | 第20页 |
| ·数据挖掘应用现状 | 第20-21页 |
| ·数据挖掘在入侵检测中应用 | 第21-24页 |
| ·可行性分析 | 第21-22页 |
| ·数据挖掘在入侵检测中应用 | 第22-24页 |
| ·贝叶斯分类 | 第24-30页 |
| ·贝叶斯分类的一般原理 | 第24-25页 |
| ·常见的贝叶斯分类模型 | 第25-29页 |
| ·贝叶斯分类模型实验及分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 入侵检测属性选择问题研究 | 第31-38页 |
| ·属性选择概述 | 第31-32页 |
| ·属性选择定义 | 第31-32页 |
| ·属性选择的挑战 | 第32页 |
| ·入侵检测中的属性选择方法 | 第32-36页 |
| ·Relief方法 | 第32-33页 |
| ·PCA主成分分析 | 第33-34页 |
| ·粗糙集合方法 | 第34-35页 |
| ·信息熵方法 | 第35页 |
| ·Wrapper方法 | 第35-36页 |
| ·属性选择方法实验及分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于ONE-R属性选择的朴素贝叶斯分类器 | 第38-50页 |
| ·基于ONE-R思想的入侵检测属性选择 | 第38-42页 |
| ·实验数据说明 | 第38-40页 |
| ·One-R思想简介 | 第40-41页 |
| ·One-R的改进 | 第41-42页 |
| ·基于ONE-R的入侵检测属性选择 | 第42-44页 |
| ·算法思想 | 第42-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·贝叶斯监督下基于ONE-R的属性选择 | 第44-49页 |
| ·问题提出 | 第44页 |
| ·算法描述 | 第44-46页 |
| ·实验结果及分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于ONE-R属性选择的分布式贝叶斯分类器 | 第50-54页 |
| ·问题提出 | 第50页 |
| ·算法描述 | 第50-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第六章 结束语 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间参加研究的课题和发表的论文 | 第60页 |