决策树在入侵检测中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-23页 |
| ·论文研究的背景与意义 | 第10-12页 |
| ·入侵检测系统概要 | 第12-15页 |
| ·入侵检测的定义 | 第12-13页 |
| ·入侵检测系统的功能和作用 | 第13页 |
| ·入侵检测的分类和比较 | 第13-15页 |
| ·入侵检测技术研究现状 | 第15-17页 |
| ·入侵检测存在的问题和发展趋势 | 第17-18页 |
| ·入侵检测系统存在的问题 | 第17页 |
| ·入侵检测系统的发展趋势 | 第17-18页 |
| ·基于数据挖掘的入侵检测研究现状 | 第18-21页 |
| ·论文研究的内容与组织结构 | 第21-23页 |
| ·论文研究的内容 | 第21-22页 |
| ·论文的组织结构 | 第22-23页 |
| 第2章 决策树在入侵检测中的应用 | 第23-37页 |
| ·数据挖掘概述 | 第23-24页 |
| ·决策树算法概述 | 第24-29页 |
| ·决策树算法分类 | 第26-27页 |
| ·属性选择方法 | 第27-28页 |
| ·决策树剪枝算法 | 第28-29页 |
| ·决策树中分类规则获取 | 第29-30页 |
| ·决策树算法的选择及应用于入侵检测中 | 第30-33页 |
| ·入侵检测决策树算法选择 | 第30页 |
| ·C4.5 决策树算法的工作流程 | 第30-32页 |
| ·入侵检测决策树的生成 | 第32-33页 |
| ·基于IDS 规则集的决策树构造 | 第33-35页 |
| ·根据入侵检测树进行入侵检测 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 决策树算法的改进研究 | 第37-50页 |
| ·引言 | 第37页 |
| ·BOOSTING 技术 | 第37-40页 |
| ·boosting 简介 | 第38-39页 |
| ·boosting 算法 | 第39-40页 |
| ·粗糙集理论 | 第40-42页 |
| ·粗糙集的相关概念 | 第41页 |
| ·分辨矩阵的概念和性质 | 第41-42页 |
| ·加权多决策树生成算法的设计与分析 | 第42-45页 |
| ·属性权值的确定 | 第42-43页 |
| ·算法的设计 | 第43-45页 |
| ·算法分析 | 第45页 |
| ·加权多决策树分类算法的设计与分析 | 第45-49页 |
| ·数据预处理 | 第46-48页 |
| ·算法的设计 | 第48-49页 |
| ·算法分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于多决策树的入侵检测模型的设计与实现 | 第50-59页 |
| ·系统设计思想 | 第50页 |
| ·系统结构设计 | 第50-51页 |
| ·数据包捕获模块 | 第51-54页 |
| ·Winpcap 介绍 | 第51-53页 |
| ·数据包捕获模块设计 | 第53-54页 |
| ·数据预处理 | 第54-55页 |
| ·多决策树检测模块 | 第55-58页 |
| ·训练数据集 | 第56页 |
| ·多决策树生成 | 第56-57页 |
| ·多决策树检测 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 实验设计及结果分析 | 第59-63页 |
| ·实验环境 | 第59-60页 |
| ·检测效率测试 | 第60-61页 |
| ·检测准确率测试 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
