| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 论文研究背景以及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 入侵检测技术 | 第11-12页 |
| 1.2.2 入侵检测算法 | 第12-13页 |
| 1.2.3 入侵检测研究方法 | 第13-14页 |
| 1.2.4 入侵检测研究成果 | 第14-15页 |
| 1.3 论文研究内容及结构 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 入侵检测技术研究 | 第16-31页 |
| 2.1 入侵行为类型 | 第16-17页 |
| 2.2 入侵检测模型设计 | 第17-19页 |
| 2.2.1 入侵检测通用模型 | 第17-18页 |
| 2.2.2 基于聚类与支持向量机的入侵检测模型 | 第18-19页 |
| 2.3 入侵检测技术手段 | 第19-23页 |
| 2.3.1 入侵检测技术手段分类 | 第19-22页 |
| 2.3.2 本文入侵检测技术手段设计 | 第22-23页 |
| 2.4 入侵检测数据预处理 | 第23-30页 |
| 2.4.1 KDD CUP 99数据集 | 第23-26页 |
| 2.4.2 数据预处理实验 | 第26-28页 |
| 2.4.3 通用量化法实验 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于改进层次聚类与C-SVM的入侵检测研究 | 第31-54页 |
| 3.1 数据聚类标记 | 第31-41页 |
| 3.1.1 聚类算法原理 | 第31-33页 |
| 3.1.2 改进层次聚类法步骤 | 第33-38页 |
| 3.1.3 聚类参数选择 | 第38-41页 |
| 3.2 支持向量机训练 | 第41-52页 |
| 3.2.1 C-SVM原理 | 第41-46页 |
| 3.2.2 SMO算法训练步骤 | 第46-51页 |
| 3.2.3 C-SVM参数选择 | 第51-52页 |
| 3.3 数据检测 | 第52-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 算法实现及实验结果分析 | 第54-65页 |
| 4.1 入侵检测实验系统 | 第54-60页 |
| 4.1.1 实验系统设计 | 第54-55页 |
| 4.1.2 数据预处理模块 | 第55-56页 |
| 4.1.3 聚类参数确定模块 | 第56-57页 |
| 4.1.4 支持向量机参数确定模块 | 第57-58页 |
| 4.1.5 数据训练模块 | 第58-59页 |
| 4.1.6 数据检测模块 | 第59-60页 |
| 4.2 实验结果及分析 | 第60-64页 |
| 4.2.1 实验数据准备 | 第60-61页 |
| 4.2.2 算法改进前后实验结果对比 | 第61-62页 |
| 4.2.3 不同算法实验结果对比 | 第62-63页 |
| 4.2.4 结果分析 | 第63-64页 |
| 4.3 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |