基于聚类算法的网络入侵检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-21页 |
| ·课题的研究背景和意义 | 第14-17页 |
| ·研究的意义 | 第14-15页 |
| ·研究的背景 | 第15-17页 |
| ·国内外发展现状及其研究方向 | 第17-18页 |
| ·国内外发展现状 | 第17-18页 |
| ·研究方向 | 第18页 |
| ·本课题要解决的问题和主要工作 | 第18-20页 |
| ·论文的框架 | 第20-21页 |
| 第二章 入侵检测 | 第21-34页 |
| ·入侵检测的概念及功能 | 第21-24页 |
| ·入侵检测的概念 | 第21-22页 |
| ·入侵检测的功能 | 第22-24页 |
| ·入侵检测系统的体系结构 | 第24-28页 |
| ·基于主机的入侵检测系统体系结构 | 第24-25页 |
| ·基于网络的入侵检测系统体系结构 | 第25-27页 |
| ·基于分布式的入侵检测系统体系结构 | 第27-28页 |
| ·入侵检测的方法 | 第28-30页 |
| ·异常检测 | 第28-29页 |
| ·误用检测 | 第29-30页 |
| ·混合检测 | 第30页 |
| ·入侵检测系统和算法的评估标准 | 第30-32页 |
| ·目前入侵检测技术的不足 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于聚类算法的入侵检测 | 第34-53页 |
| ·数据挖掘概述 | 第34-35页 |
| ·常见的聚类算法 | 第35-38页 |
| ·划分的方法 | 第36页 |
| ·层次的方法 | 第36-37页 |
| ·基于密度的方法 | 第37页 |
| ·基于网络的方法 | 第37页 |
| ·基于模型的方法 | 第37-38页 |
| ·基于无监督聚类的入侵检测算法 | 第38-46页 |
| ·数据预处理算法 | 第39-41页 |
| ·连续型数据预处理 | 第40页 |
| ·离散型数据预处理 | 第40-41页 |
| ·无监督聚类生成算法 | 第41-43页 |
| ·标类算法 | 第43-44页 |
| ·检测算法 | 第44-46页 |
| ·试验结果及分析 | 第46-52页 |
| ·评价检测算法性能的测度 | 第46-47页 |
| ·KDDCup99数据 | 第47-51页 |
| ·试验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 两种改进的聚类入侵检测算法 | 第53-67页 |
| ·方法1:改进的k均值算法 | 第53-54页 |
| ·实验结果及其分析 | 第54-56页 |
| ·方法2:PSO-k均值算法 | 第56-64页 |
| ·聚类优化模型数学基础 | 第56-58页 |
| ·粒子群优化算法简介 | 第58-62页 |
| ·PSO-k均值算法编码和适应度选择 | 第62页 |
| ·PSO-k均值算法的描述 | 第62-64页 |
| ·实验及分析 | 第64-66页 |
| ·PSO-k均值效率实验 | 第64-65页 |
| ·实验数据的描述 | 第65页 |
| ·实验结果及分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结束语 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表论文 | 第74-77页 |
| 致谢 | 第77页 |
