| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·神经网络集成学习的历史和现状 | 第7-8页 |
| ·IDS背景及国内外研究现状 | 第8-11页 |
| ·论文的主要工作和各章的安排 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 入侵检测概述 | 第13-21页 |
| ·入侵检测的概念及分类 | 第13-15页 |
| ·入侵检测的概念 | 第13页 |
| ·入侵检测系统的分类 | 第13-15页 |
| ·入侵检测技术 | 第15-17页 |
| ·入侵检测研究的现状和发展趋势 | 第17-19页 |
| ·现有IDS现状和问题 | 第17-18页 |
| ·IDS的发展趋势 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 入侵检测数据样本处理和基分类器设计 | 第21-31页 |
| ·系统所用的样本集及其描述 | 第21页 |
| ·样本预处理 | 第21-27页 |
| ·样本特征参数归一化 | 第21-23页 |
| ·样本特征提取 | 第23-25页 |
| ·IDS数据预处理 | 第25-27页 |
| ·基分类器的原理和设计 | 第27-30页 |
| ·BP神经网络基本概念 | 第27-28页 |
| ·BP神经网络拓补结构 | 第28-30页 |
| ·BP神经网络的训练和测试 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第四章 AdaBoost算法分析与设计 | 第31-37页 |
| ·Boosting算法起源 | 第31-32页 |
| ·AdaBoost算法原理和流程 | 第32-36页 |
| ·AdaBoost算法原理 | 第32-33页 |
| ·AdaBoost算法流程与实现 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 网络环境下的多节点AdaBoost算法设计 | 第37-55页 |
| ·多节点计算 | 第37-38页 |
| ·多节点计算性能评测 | 第38-42页 |
| ·机器级性能评测 | 第38-39页 |
| ·算法级性能评测 | 第39-42页 |
| ·一种改进的多节点并行AdaBoost算法的设计 | 第42-43页 |
| ·模糊C均值(FCM)算法 | 第43-47页 |
| ·隶属度函数 | 第43页 |
| ·C均值聚类算法 | 第43-45页 |
| ·模糊C均值聚类算法 | 第45-47页 |
| ·基于FCM算法的多节点AdaBoost算法 | 第47页 |
| ·实验与分析 | 第47-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 基于多节点集成学习的IDS识别的结果与分析 | 第55-59页 |
| ·IDS数据集介绍 | 第55页 |
| ·IDS数据集上的实验结果与分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·工作的进一步研究与展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-65页 |