| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要工作及章节安排 | 第12-15页 |
| 1.3.1 论文的主要工作 | 第12-13页 |
| 1.3.2 论文的章节安排 | 第13-15页 |
| 第2章 高级量测体系(AMI)结构及安全分析 | 第15-19页 |
| 2.1 AMI系统组成 | 第15-16页 |
| 2.2 AMI的通信网络 | 第16-18页 |
| 2.2.1 AMI的通信网络 | 第16-17页 |
| 2.2.2 AMI的通信模拟图 | 第17-18页 |
| 2.3 AMI的安全性分析 | 第18-19页 |
| 第3章 基于SVM的AMI入侵检测模型 | 第19-31页 |
| 3.1 引言 | 第19页 |
| 3.2 数据集的收集及处理 | 第19-22页 |
| 3.2.1 NSL-KDDCUP数据 | 第20-21页 |
| 3.2.2 linux-shell程序处理数据 | 第21-22页 |
| 3.3 基于SVM的AMI入侵检测模型 | 第22-28页 |
| 3.3.1 支持向量机(SVM) | 第22-23页 |
| 3.3.2 LIBSVM检测工具 | 第23页 |
| 3.3.3 SVM算法分析 | 第23-25页 |
| 3.3.4 基于SVM的AMI入侵检测 | 第25-28页 |
| 3.4 实验结果与分析 | 第28-30页 |
| 3.4.1 DOS类型入侵检测 | 第28-29页 |
| 3.4.2 Probing类型入侵检测 | 第29页 |
| 3.4.3 R2L类型入侵检测 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于ELM的AMI入侵检测研究 | 第31-41页 |
| 4.1 引言 | 第31页 |
| 4.2 单隐层前馈神经网络 | 第31-35页 |
| 4.3 基于极限学习机(ELM)的AMI入侵检测研究分析 | 第35-37页 |
| 4.3.1 极限学习机 | 第35页 |
| 4.3.2 基于极限学习机的入侵检测模型分析 | 第35-36页 |
| 4.3.3 极限学习入侵检测算法实现流程图 | 第36-37页 |
| 4.4 实验结果 | 第37-40页 |
| 4.4.1 DOS攻击类型检测及分析 | 第37-38页 |
| 4.4.2 Probing攻击类型检测及分析 | 第38-39页 |
| 4.4.3 R2L攻击类型检测及分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 基于OS-ELM的AMI入侵检测研究 | 第41-50页 |
| 5.1 引言 | 第41页 |
| 5.2 OS-ELM算法分析 | 第41-44页 |
| 5.2.1 OS-ELM算法 | 第41-42页 |
| 5.2.2 基于OS-ELM算法的入侵检测方法 | 第42-44页 |
| 5.2.3 OS-ELM算法的流程图 | 第44页 |
| 5.3 基于OS-ELM的AMI入侵检测实验 | 第44-49页 |
| 5.3.1 DOS攻击类型检测及分析 | 第45-46页 |
| 5.3.2 Probing攻击类型检测及分析 | 第46-48页 |
| 5.3.3 R2L攻击类型检测及分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-51页 |
| 6.1 研究总结 | 第50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |