基于聚类分析和关联规则的网络入侵检测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·入侵检测技术 | 第10-11页 |
| ·基于数据挖掘的入侵检测研究进展 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 第二章 数据挖掘技术 | 第14-28页 |
| ·数据挖掘的概念 | 第14-15页 |
| ·数据挖掘的分析方法 | 第15-17页 |
| ·聚类分析 | 第17-22页 |
| ·聚类的概念 | 第17页 |
| ·聚类分析中的数据类型 | 第17-21页 |
| ·聚类分析的分类 | 第21-22页 |
| ·模糊聚类 | 第22-25页 |
| ·模糊理论 | 第22-23页 |
| ·模糊聚类分析过程 | 第23-25页 |
| ·关联分析 | 第25-26页 |
| ·基本定义 | 第25-26页 |
| ·关联规则的挖掘步骤 | 第26页 |
| ·聚类分析和关联规则在入侵检测中的应用 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第三章 模糊聚类在入侵检测中的应用 | 第28-38页 |
| ·模糊聚类的常用方法 | 第28页 |
| ·一种加权隶属度的FCM算法 | 第28-30页 |
| ·一种改进的加权隶属度FCM算法 | 第30-34页 |
| ·对隶属度加权方式的改进 | 第30-31页 |
| ·聚类数目和初始聚类中心的确定 | 第31-32页 |
| ·最优模糊因子m的确定 | 第32-33页 |
| ·改进后的FCM算法描述 | 第33-34页 |
| ·时间复杂度分析 | 第34-35页 |
| ·实验和性能分析 | 第35-37页 |
| ·测试数据 | 第35页 |
| ·算法运行时间和迭代次数的比较 | 第35-36页 |
| ·聚类效果的比较 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 关联规则在入侵检测中的应用 | 第38-49页 |
| ·一种基于散列技术的Apriori算法 | 第38-39页 |
| ·树型存储结构的设计 | 第38-39页 |
| ·一种基于散列技术的生成乙方式 | 第39页 |
| ·一种改进基于散列技术的Apriori算法 | 第39-47页 |
| ·对数据库中事务存储结构的改进 | 第39-40页 |
| ·对连接步骤的改进 | 第40-41页 |
| ·对剪枝策略的改变 | 第41页 |
| ·通过生成的C_k对事务数据库扫描进行精简 | 第41-42页 |
| ·一种基于改进散列技术的L_2生成方式 | 第42-44页 |
| ·改进的算法结束条件 | 第44-45页 |
| ·改进的Apriori算法描述 | 第45-46页 |
| ·时间复杂度分析 | 第46-47页 |
| ·实验及性能分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 原型系统的实现 | 第49-62页 |
| ·数据采集模块的实现 | 第49-50页 |
| ·数据分析模块的实现 | 第50-51页 |
| ·知识库的设计 | 第51-52页 |
| ·规则的存取 | 第51页 |
| ·知识的获取 | 第51-52页 |
| ·报警处理模块的实现 | 第52-53页 |
| ·警报的存储 | 第52-53页 |
| ·聚类分析结合关联规则模块的实现及实验结果 | 第53-60页 |
| ·聚类分析结合关联规则模块的实现 | 第53-54页 |
| ·训练样本集的选取 | 第54-57页 |
| ·对训练样本运行聚类算法并挖掘关联规则 | 第57-58页 |
| ·实验结果分析 | 第58-60页 |
| ·基于聚类分析和关联规则的入侵检测模型设计 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-63页 |
| ·研究总结 | 第62页 |
| ·进一步的工作 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间主要的研究成果 | 第69页 |
