基于改进模糊C均值的入侵检测算法及应用研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-14页 |
| ·选题背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文内容和结构 | 第13-14页 |
| 2 入侵检测 | 第14-18页 |
| ·入侵检测系统 | 第14-15页 |
| ·入侵检测系统分类 | 第15-16页 |
| ·基于网络的IDS | 第15页 |
| ·基于主机的IDS | 第15-16页 |
| ·分布式IDS | 第16页 |
| ·入侵检测的常用方法 | 第16-17页 |
| ·误用检测方法 | 第16页 |
| ·异常检测方法 | 第16-17页 |
| ·小结 | 第17-18页 |
| 3 数据挖掘技术 | 第18-25页 |
| ·数据挖掘的概念 | 第19页 |
| ·数据挖掘算法介绍 | 第19-21页 |
| ·聚类 | 第19-20页 |
| ·分类 | 第20页 |
| ·关联规则 | 第20-21页 |
| ·序列模式 | 第21页 |
| ·常用聚类算法 | 第21-24页 |
| ·基于划分的方法 | 第21-22页 |
| ·基于层次的方法 | 第22页 |
| ·基于密度的方法 | 第22-23页 |
| ·基于网格的方法 | 第23页 |
| ·基于模型的方法 | 第23页 |
| ·其他聚类方法 | 第23-24页 |
| ·小结 | 第24-25页 |
| 4 聚类初始化方法研究 | 第25-32页 |
| ·常用初始化方法 | 第25-27页 |
| ·山峰聚类法 | 第25-26页 |
| ·减法聚类法 | 第26-27页 |
| ·改进的自适应山峰聚类 | 第27-28页 |
| ·初始化算法对比实验 | 第28-31页 |
| ·时间复杂度比较 | 第28页 |
| ·实验结果分析 | 第28-31页 |
| ·小结 | 第31-32页 |
| 5 基于AMCA-FCM 的入侵检测算法及应用 | 第32-42页 |
| ·模糊C 均值算法 | 第32-33页 |
| ·改进模糊C 均值算法 | 第33页 |
| ·异常检测算法 | 第33-34页 |
| ·基于AMCA-FCM 的入侵检测算法实现过程 | 第34-37页 |
| ·算法原理 | 第34页 |
| ·入侵检测算法流程图 | 第34页 |
| ·入侵检测过程 | 第34-37页 |
| ·仿真实验 | 第37-40页 |
| ·实验数据描述 | 第37-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·小结 | 第40-42页 |
| 6 基于AMCA-FCM 的入侵检测模型的设计 | 第42-52页 |
| ·入侵检测模型研究 | 第42页 |
| ·通用入侵检测模型 | 第42-44页 |
| ·入侵检测系统现状 | 第44页 |
| ·基于数据挖掘的经典入侵检测模型 | 第44-46页 |
| ·基于AMCA-FCM 算法的入侵检测模型 | 第46-51页 |
| ·模型设计目标及特点 | 第47页 |
| ·模型结构及工作原理 | 第47-50页 |
| ·模型可行性分析 | 第50-51页 |
| ·小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 作者简历 | 第56-57页 |
| 学位论文数据集 | 第57-58页 |
