| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究内容 | 第10-11页 |
| ·论文结构 | 第11-13页 |
| 第二章 入侵检测技术概述 | 第13-23页 |
| ·国内外研究现状 | 第13-18页 |
| ·基于统计的方法 | 第13-14页 |
| ·基于数据挖掘的方法 | 第14页 |
| ·基于机器学习的方法 | 第14-17页 |
| ·基于异常检测的方法 | 第17-18页 |
| ·存在的问题 | 第18-20页 |
| ·入侵检测数据库介绍 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于Online Boosting 的入侵模式研究 | 第23-52页 |
| ·在线学习简介 | 第23-24页 |
| ·入侵模式分析的在线学习 | 第24-26页 |
| ·重要性 | 第24页 |
| ·技术难点 | 第24-25页 |
| ·解决方案 | 第25-26页 |
| ·Adaboost 算法 | 第26-34页 |
| ·Adaboost 算法描述 | 第26-28页 |
| ·算法原理 | 第28-31页 |
| ·收敛性 | 第31-34页 |
| ·Online Boosting 算法 | 第34-37页 |
| ·算法描述 | 第35-36页 |
| ·算法原理 | 第36-37页 |
| ·基于Online Boosting 的入侵模式分析 | 第37-46页 |
| ·弱分类器设计 | 第37-38页 |
| ·平衡初始权重－可调初始权重设置 | 第38-40页 |
| ·算法整体框架和详细描述 | 第40-45页 |
| ·计算复杂度 | 第45-46页 |
| ·实验结果 | 第46-51页 |
| ·小结 | 第51-52页 |
| 第四章 分布式架构下的入侵模式研究 | 第52-71页 |
| ·网络入侵模式的分布式检测 | 第52-55页 |
| ·概念 | 第52-53页 |
| ·重要性 | 第53-55页 |
| ·技术难点 | 第55页 |
| ·基于参数模型的分布式检测算法 | 第55-63页 |
| ·算法整体框架 | 第55-59页 |
| ·弱分类器设计 | 第59-61页 |
| ·Adaboost 训练 | 第61页 |
| ·局部参数模型的提取 | 第61-62页 |
| ·分布式站点的信息融合 | 第62-63页 |
| ·实验结果 | 第63-69页 |
| ·小结 | 第69-71页 |
| 第五章 结论与展望 | 第71-75页 |
| ·工作总结 | 第71-73页 |
| ·展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |