| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 引言 | 第7页 |
| 1.2 研究的背景及意义 | 第7-9页 |
| 1.3 入侵检测系统发展及研究现状 | 第9-10页 |
| 1.4 基本目标及主要内容 | 第10-11页 |
| 1.5 论文组织结构 | 第11-12页 |
| 第二章 网络安全与入侵检测 | 第12-27页 |
| 2.1 网络安全 | 第12-17页 |
| 2.2 入侵检测 | 第17-26页 |
| 2.2.1 入侵检测的概念 | 第17页 |
| 2.2.2 入侵检测系统的发展 | 第17-18页 |
| 2.2.3 入侵检测系统与防火墙的功能关系 | 第18-19页 |
| 2.2.4 入侵检测系统的基本原理 | 第19-20页 |
| 2.2.5 入侵检测系统的工作模式 | 第20-21页 |
| 2.2.6 入侵检测系统的分类 | 第21-25页 |
| 2.2.7 入侵检测技术的发展趋势 | 第25-26页 |
| 2.3 小结 | 第26-27页 |
| 第三章 聚类分析的理论基础 | 第27-38页 |
| 3.1 聚类分析 | 第27-28页 |
| 3.2 相似性度量 | 第28-33页 |
| 3.2.1 常用相似度度量的距离度量函数 | 第29-32页 |
| 3.2.2 常用聚类分析中的相似系数 | 第32-33页 |
| 3.3 典型聚类分析任务的步骤 | 第33-34页 |
| 3.4 模糊聚类 | 第34-37页 |
| 3.4.1 模糊c-均值聚类原理 | 第34-36页 |
| 3.4.2 模糊c-均值聚类算法步骤 | 第36-37页 |
| 3.4.3 模糊c-均值聚类缺陷 | 第37页 |
| 3.5 小结 | 第37-38页 |
| 第四章 基于粒子群算法优化的模糊聚类 | 第38-45页 |
| 4.1 粒子群优化算法(PSO) | 第38-41页 |
| 4.1.1 粒子群算法的产生背景 | 第38-39页 |
| 4.1.2 粒子群算法的原理 | 第39-40页 |
| 4.1.3 粒子群算法的步骤 | 第40-41页 |
| 4.2 基于粒子群算法优化的模糊聚类 | 第41-44页 |
| 4.2.1 粒子群算法优化模糊聚类 | 第42页 |
| 4.2.2 基于粒子群优化模糊c-均值聚类算法的步骤 | 第42-44页 |
| 4.3 本章总结 | 第44-45页 |
| 第五章 仿真实验与结果分析 | 第45-55页 |
| 5.1 数据准备 | 第45-51页 |
| 5.1.1 KDD CUP 1999数据集 | 第45-46页 |
| 5.1.2 KDD CUP 1999数据集攻击类型分布 | 第46-47页 |
| 5.1.3 数据预处理 | 第47页 |
| 5.1.4 实验数据准备 | 第47-51页 |
| 5.2 仿真实验及实验结果分析 | 第51-54页 |
| 5.3 本章总结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60页 |