粗糙集理论在入侵检测中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·国内外的研究现状 | 第9-10页 |
| ·入侵检测技术研究现状 | 第9-10页 |
| ·粗糙集理论研究现状 | 第10页 |
| ·本文的主要研究内容及组织结构 | 第10-12页 |
| ·本文的主要研究内容 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| 2 入侵检测概述 | 第12-18页 |
| ·入侵检测简介 | 第12-13页 |
| ·入侵检测的分类 | 第13-16页 |
| ·根据数据来源分类 | 第13-14页 |
| ·根据数据分析的方法分类 | 第14-15页 |
| ·根据响应方式分类 | 第15页 |
| ·根据时间分类 | 第15页 |
| ·根据配置方式分类 | 第15-16页 |
| ·目前入侵检测技术所存在的问题和不足 | 第16页 |
| ·入侵检测的发展趋势 | 第16-18页 |
| 3 机器学习理论与粗糙集理论 | 第18-24页 |
| ·机器学习理论 | 第18-19页 |
| ·粗糙集理论基础 | 第19-23页 |
| ·粗糙集理论概述 | 第19页 |
| ·信息表知识表达系统 | 第19-20页 |
| ·粗糙集基本概念 | 第20-21页 |
| ·粗糙度与分类质量 | 第21-22页 |
| ·核与约简 | 第22-23页 |
| ·PAWLAK粗糙集模型的扩展模型 | 第23-24页 |
| ·模糊粗糙集模型 | 第23页 |
| ·概率粗糙集模型 | 第23-24页 |
| 4 基于ICA和模糊粗糙集的入侵检测方法 | 第24-34页 |
| ·相关概念 | 第24-26页 |
| ·独立分量分析(ICA) | 第24-25页 |
| ·模糊粗糙集基本概念 | 第25-26页 |
| ·基于模糊粗糙集入侵检测分类器的构造 | 第26-28页 |
| ·连续属性模糊化 | 第26-27页 |
| ·数据的属性约简 | 第27-28页 |
| ·入侵检测规则的生成 | 第28页 |
| ·基于ICA和模糊粗糙集的入侵检测模型 | 第28-29页 |
| ·仿真实验与分析 | 第29-33页 |
| ·实验使用数据集介绍 | 第29-31页 |
| ·实验数据的选取 | 第31-32页 |
| ·实验结果分析 | 第32-33页 |
| ·小结 | 第33-34页 |
| 5 基于概率粗糙集的入侵检测方法 | 第34-44页 |
| ·概率粗糙集相关概念 | 第34-37页 |
| ·概率测度 | 第34-35页 |
| ·信息熵 | 第35页 |
| ·概率粗糙集模型 | 第35-37页 |
| ·基于概率粗糙集入侵检测分类器的构造 | 第37-40页 |
| ·连续属性离散化 | 第37页 |
| ·数据的属性约简 | 第37-38页 |
| ·入侵检测规则的生成及规则的动态更新策略 | 第38-40页 |
| ·基于概率粗糙集的入侵检测模型 | 第40-41页 |
| ·仿真实验与分析 | 第41-43页 |
| ·实验数据的选取 | 第41-42页 |
| ·实验结果分析 | 第42-43页 |
| ·小结 | 第43-44页 |
| 6 两种检测方法的对比与分析 | 第44-48页 |
| ·训练效率的对比与分析 | 第44-45页 |
| ·检测效率的对比与分析 | 第45页 |
| ·小结 | 第45-48页 |
| 7 总结及展望 | 第48-50页 |
| ·本文的主要研究工作 | 第48页 |
| ·今后的工作 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
