基于数据挖掘的入侵检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 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 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 入侵检测与数据挖掘 | 第14-30页 |
| 2.1 入侵检测概述 | 第14-23页 |
| 2.1.1 入侵检测的基本概念 | 第14页 |
| 2.1.2 入侵检测系统的主要功能 | 第14-15页 |
| 2.1.3 入侵检测系统的模型 | 第15-18页 |
| 2.1.4 入侵检测系统的原理 | 第18-19页 |
| 2.1.5 入侵检测系统的分类 | 第19-21页 |
| 2.1.6 入侵检测的常用方法 | 第21-22页 |
| 2.1.7 入侵检测的发展方向 | 第22-23页 |
| 2.2 数据挖掘概述 | 第23-29页 |
| 2.2.1 数据挖掘的概念 | 第23页 |
| 2.2.2 数据挖掘的过程 | 第23-24页 |
| 2.2.3 数据挖掘的常用方法 | 第24-27页 |
| 2.2.4 数据挖掘在入侵检测中的应用 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于仿射传播聚类的入侵检测技术研究 | 第30-46页 |
| 3.1 仿射传播聚类 | 第30-36页 |
| 3.1.1 相似度的计算 | 第30-31页 |
| 3.1.2 仿射传播聚类算法的思想原理 | 第31-33页 |
| 3.1.3 仿射传播聚类算法的流程步骤 | 第33-35页 |
| 3.1.4 仿射传播聚类算法的优缺点分析 | 第35-36页 |
| 3.2 基于仿射传播聚类的入侵检测方法 | 第36-39页 |
| 3.2.1 基于聚类的入侵检测系统 | 第36-37页 |
| 3.2.2 基于仿射传播聚类算法的入侵检测 | 第37-39页 |
| 3.3 仿真实验与结果分析 | 第39-45页 |
| 3.3.1 实验数据描述 | 第39-40页 |
| 3.3.2 实验数据的预处理 | 第40-42页 |
| 3.3.3 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 一种改进的KNN分类入侵检测方法 | 第46-53页 |
| 4.1 K-近邻分类算法 | 第46-47页 |
| 4.2 K-近邻分类算法的改进 | 第47-49页 |
| 4.2.1 本地仿射超平面 | 第47页 |
| 4.2.2 HKNN分类方法 | 第47-48页 |
| 4.2.3 HKNN算法的修正 | 第48-49页 |
| 4.3 基于HKNN的分类入侵检测方法 | 第49-50页 |
| 4.4 仿真实验与结果分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于HKNN分类算法的特征提取研究 | 第53-59页 |
| 5.1 特征分析概述 | 第53-54页 |
| 5.2 基于HKNN分类算法的特征提取 | 第54-55页 |
| 5.3 仿真实验与结果分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
