| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 研究内容 | 第17页 |
| 1.4 论文结构安排 | 第17-20页 |
| 第2章 入侵检测技术 | 第20-30页 |
| 2.1 入侵检测系统 | 第20-22页 |
| 2.1.1 入侵检测系统的原理 | 第20-21页 |
| 2.1.2 入侵检测系统的基本构成 | 第21-22页 |
| 2.2 入侵检测系统的分类 | 第22-25页 |
| 2.2.1 依照信息源不同划分 | 第22-23页 |
| 2.2.2 依照检测方法不同划分 | 第23-24页 |
| 2.2.3 依照响应方式不同划分 | 第24-25页 |
| 2.3 入侵检测技术 | 第25-27页 |
| 2.3.1 异常入侵检测技术 | 第25-26页 |
| 2.3.2 误用入侵检测技术 | 第26-27页 |
| 2.4 入侵检测技术的问题与发展 | 第27-29页 |
| 2.4.1 入侵检测存在的问题 | 第27-28页 |
| 2.4.2 入侵检测的发展趋势 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 聚类分析理论基础 | 第30-38页 |
| 3.1 聚类概述 | 第30-31页 |
| 3.1.1 聚类分析简介 | 第30页 |
| 3.1.2 聚类的基本步骤 | 第30-31页 |
| 3.2 相似性度量和聚类准则 | 第31-34页 |
| 3.2.1 数据结构 | 第31-32页 |
| 3.2.2 相似性度量 | 第32-33页 |
| 3.2.3 聚类准则 | 第33-34页 |
| 3.3 聚类方法的分类 | 第34-36页 |
| 3.4 最小生成树算法Prim和Kruskal | 第36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于改进的K-means算法的入侵检测 | 第38-54页 |
| 4.1 K-means算法简介 | 第38-40页 |
| 4.1.1 K-means算法的基本思想 | 第38-39页 |
| 4.1.2 K-means算法的特点 | 第39-40页 |
| 4.2 改进的K-means算法 | 第40-43页 |
| 4.2.1 优化孤立点的处理能力 | 第40-41页 |
| 4.2.2 K值的确定 | 第41-42页 |
| 4.2.3 改进K-means算法的描述 | 第42-43页 |
| 4.3 算法实现与实验设计 | 第43-49页 |
| 4.3.1 实验数据集介绍 | 第43-47页 |
| 4.3.1.1 攻击类型 | 第43-45页 |
| 4.3.1.2 特征属性介绍 | 第45-47页 |
| 4.3.2 数据预处理 | 第47-48页 |
| 4.3.2.1 数值处理 | 第47-48页 |
| 4.3.2.2 标准化 | 第48页 |
| 4.3.3 实验设计 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-53页 |
| 4.4.1 对同一种攻击类型的聚类结果分析 | 第49-51页 |
| 4.4.2 对混合攻击类型的聚类结果分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于改进K-means算法的入侵检测系统设计 | 第54-62页 |
| 5.1 设计背景 | 第54页 |
| 5.2 设计思想 | 第54-56页 |
| 5.2.1 部分模块功能简述 | 第55-56页 |
| 5.2.2 工作流程 | 第56页 |
| 5.3 关键模块设计 | 第56-58页 |
| 5.3.1 聚类分析模块 | 第56-57页 |
| 5.3.2 预检测引擎 | 第57-58页 |
| 5.4 实验仿真与分析 | 第58-59页 |
| 5.4.1 主要实验环境 | 第58页 |
| 5.4.2 实验过程及结果分析 | 第58-59页 |
| 5.5 本章小结 | 第59-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文 | 第68-70页 |
| 附录 参与的科研项目 | 第70-72页 |
| 致谢 | 第72-73页 |
| 详细摘要 | 第73-77页 |