| 图目录 | 第1-8页 |
| 表目录 | 第8-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题研究背景 | 第12页 |
| ·网络安全研究的现状和发展动态 | 第12-13页 |
| ·入侵检测系统的发展历程及主要发展趋势 | 第13-15页 |
| ·本文的主要研究内容 | 第15-17页 |
| 第二章 入侵检测概述 | 第17-26页 |
| ·入侵检测的信息源 | 第17-18页 |
| ·操作系统的审计记录 | 第17页 |
| ·系统日志 | 第17页 |
| ·应用程序日志 | 第17页 |
| ·网络入侵检测数据源 | 第17-18页 |
| ·入侵检测技术的分类 | 第18-20页 |
| ·入侵检测分类方法 | 第18页 |
| ·异常入侵检测 | 第18-19页 |
| ·误用入侵检测 | 第19-20页 |
| ·主机型入侵检测 | 第20页 |
| ·网络型入侵检测 | 第20页 |
| ·入侵检测的 CIDF模型与 IDWG的标准化工作 | 第20-22页 |
| ·CIDF的体系结构 | 第20-21页 |
| ·CIDF的通信机制 | 第21页 |
| ·CIDF的语言 | 第21页 |
| ·CIDF的接口 | 第21页 |
| ·IDWG的标准化工作 | 第21-22页 |
| ·基于机器学习的入侵检测 | 第22-24页 |
| ·基于无监督学习的特征提取 | 第22页 |
| ·入侵检测的自动分类算法 | 第22-24页 |
| ·小结 | 第24-26页 |
| 第三章 入侵检测中的特征提取技术研究 | 第26-38页 |
| ·入侵检测数据预处理与特征提取 | 第26页 |
| ·入侵检测的数据预处理技术 | 第26页 |
| ·入侵检测数据预处理存在的问题 | 第26页 |
| ·主成分分析特征提取研究 | 第26-32页 |
| ·主成分分析的原理及算法 | 第26-28页 |
| ·采用主成分分析方法的入侵检测仿真实验 | 第28-29页 |
| ·实验结果与分析 | 第29-32页 |
| ·核主成分分析特征提取研究 | 第32-36页 |
| ·核主成分分析的原理及算法 | 第32-33页 |
| ·采用核主成分分析方法的入侵检测仿真实验 | 第33-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·主成分分析与核主成分分析在入侵检测特征提取中的比较 | 第36页 |
| ·面临的问题及对策 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 入侵检测中的神经网络集成学习技术 | 第38-47页 |
| ·集成神经网络的问题描述 | 第38页 |
| ·已有的集成学习算法 | 第38-40页 |
| ·基于遗传算法的集成神经网络检测方法 | 第40-46页 |
| ·算法思想及步骤 | 第40-42页 |
| ·算法理论分析 | 第42-44页 |
| ·实验分析 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第五章 基于集成学习的智能入侵检测系统设计 | 第47-56页 |
| ·系统设计总体思路 | 第47页 |
| ·系统体系结构 | 第47-48页 |
| ·系统实现的关键技术 | 第48-54页 |
| ·数据采集 | 第48-51页 |
| ·特征提取 | 第51-52页 |
| ·集成学习算法分类引擎 | 第52-54页 |
| ·系统主要数据结构 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| ·本论文的工作总结 | 第56-57页 |
| ·进一步的工作 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附录 攻读硕士期间发表的论文 | 第59-60页 |
| 参考文献 | 第60-62页 |