| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-17页 |
| ·网络与信息安全现状 | 第12页 |
| ·网络安全技术 | 第12-14页 |
| ·课题研究背景与研究意义 | 第14-15页 |
| ·国内外研究动态 | 第15页 |
| ·论文主要工作及结构安排 | 第15-17页 |
| 第二章 入侵检测技术 | 第17-26页 |
| ·入侵检测概述 | 第17-20页 |
| ·入侵检测的过程分析 | 第17-19页 |
| ·入侵检测系统的框架 | 第19-20页 |
| ·入侵检测系统分类 | 第20-23页 |
| ·基于采用技术的划分 | 第20-22页 |
| ·基于检测目标类型的划分 | 第22-23页 |
| ·入侵检测系统的现状 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 集成学习 | 第26-35页 |
| ·基本概念 | 第26-27页 |
| ·分类问题 | 第26-27页 |
| ·集成学习的示意图 | 第27页 |
| ·个体学习器的生成 | 第27-29页 |
| ·集成学习的同构与异构 | 第28页 |
| ·集成学习的分类 | 第28-29页 |
| ·结论生成方法 | 第29页 |
| ·典型的集成学习算法介绍 | 第29-33页 |
| ·Bagging 算法 | 第29-30页 |
| ·Boosting 算法 | 第30-31页 |
| ·Bagging 和Boosting 算法的理论分析 | 第31-33页 |
| ·基分类器之间的差异度量 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 特征选择 | 第35-47页 |
| ·特征降维概述 | 第35-36页 |
| ·特征选择框架 | 第36页 |
| ·特征选择的分类 | 第36-42页 |
| ·按照特征子集的生成方式分类 | 第36-41页 |
| ·按照特征子集的评价标准分类 | 第41-42页 |
| ·特征评估方法 | 第42-45页 |
| ·特征的相关性 | 第42-43页 |
| ·具体的评估方法 | 第43-45页 |
| ·特征选择方法的选取原则 | 第45-46页 |
| ·影响特征选择的因素 | 第45页 |
| ·选取原则 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于特征选择和集成学习的入侵检测算法 | 第47-56页 |
| ·Relief 特征评估方法 | 第47-48页 |
| ·基于特征选择的集成学习算法 | 第48-53页 |
| ·遗传算法中的轮盘选择 | 第49-51页 |
| ·算法的具体步骤 | 第51-53页 |
| ·实验结果及分析 | 第53-55页 |
| ·实验数据来源 | 第53-54页 |
| ·实验仿真环境 | 第54页 |
| ·实验结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 基于集成学习的入侵检测模型设计 | 第56-67页 |
| ·入侵检测系统的总体结构 | 第56页 |
| ·数据收集及预处理模块 | 第56-62页 |
| ·网卡的工作模式以及数据捕获的位置 | 第57-59页 |
| ·数据捕获 | 第59-60页 |
| ·预处理模块 | 第60-62页 |
| ·训练模块 | 第62-66页 |
| ·采用C4.5 决策树作为基分类器 | 第62-66页 |
| ·运用ReFeatEn 算法实现入侵检测 | 第66页 |
| ·数据检测模块 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |