| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文主要的研究内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 入侵检测概述 | 第18-26页 |
| 2.1 入侵检测 | 第18-24页 |
| 2.1.1 入侵检测概念 | 第18-19页 |
| 2.1.2 入侵检测系统的主要功能 | 第19页 |
| 2.1.3 入侵检测系统的原理 | 第19-21页 |
| 2.1.4 入侵检测系统的分类 | 第21-23页 |
| 2.1.5 入侵检测的常用方法 | 第23-24页 |
| 2.2 入侵检测的发展方向 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于聚类的入侵检测方法研究 | 第26-35页 |
| 3.1 聚类概述 | 第26-28页 |
| 3.1.1 数据之间的相似性度量 | 第26-28页 |
| 3.1.2 类间距离 | 第28页 |
| 3.2 聚类算法的分类 | 第28-30页 |
| 3.3 K-means聚类算法 | 第30-31页 |
| 3.4 改进的K-means聚类算法 | 第31-33页 |
| 3.5 基于改进的K-means入侵检测方法工作步骤 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于支持向量机的入侵检测方法研究 | 第35-46页 |
| 4.1 支持向量机算法 | 第35-40页 |
| 4.1.1 统计学理论 | 第35-37页 |
| 4.1.2 支持向量机理论 | 第37-40页 |
| 4.2 一分类支持向量机算法 | 第40-41页 |
| 4.3 二分类支持向量机算法 | 第41-42页 |
| 4.4 改进的二分类支持向量机算法 | 第42-43页 |
| 4.5 多级支持向量机模型 | 第43-44页 |
| 4.6 基于改进的K-means与多级SVM相结合的入侵检测方法 | 第44-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 实验与分析 | 第46-56页 |
| 5.1 实验环境 | 第46页 |
| 5.2 实验数据集介绍 | 第46-47页 |
| 5.3 实验数据选取及预处理 | 第47-49页 |
| 5.3.1 实验数据的选取 | 第47-48页 |
| 5.3.2 实验数据的预处理 | 第48-49页 |
| 5.4 实验结果及分析 | 第49-55页 |
| 5.4.1 评价指标 | 第49页 |
| 5.4.2 实验结果分析 | 第49-55页 |
| 5.5 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第63页 |