首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文

基于机器学习的SQL注入检测

摘要第3-4页
abstract第4-5页
第1章 绪论第8-16页
    1.1 研究背景第8-10页
    1.2 研究现状第10-13页
    1.3 论文主要工作第13-14页
    1.4 论文组织结构第14-16页
第2章 SQL注入攻击与机器学习方法第16-24页
    2.1 SQL注入攻击分析第16-18页
    2.2 SQL注入攻击的特点第18-19页
    2.3 SQL注入攻击类型和危害第19-21页
    2.4 机器学习方法第21-22页
    2.5 本章小结第22-24页
第3章 数据预处理和特征工程第24-38页
    3.1 数据来源和格式第24-25页
    3.2 项目需求分析第25-27页
        3.2.1 Url基础介绍第25-26页
        3.2.2 课题研究分析第26-27页
    3.3 数据清洗与关联第27-29页
    3.4 数据处理和变换第29-32页
    3.5 特征工程第32-36页
        3.5.1 特征工程的重要性第32-33页
        3.5.2 特征工程之特征构建第33-36页
    3.6 数据预处理和特征工程流程图第36页
    3.7 本章小结第36-38页
第4章 特征选择与集成学习第38-53页
    4.1 Sklearn实验平台介绍第38页
    4.2 特征选择第38-41页
        4.2.1 特征选择的意义和方法第39-40页
        4.2.2 特征选择实验设计第40-41页
    4.3 集成学习第41-47页
        4.3.1 数据不平衡的集成学习方案第41-44页
        4.3.2 提升分类精度集成学习方案第44-47页
    4.4 实验结果第47-52页
        4.4.1 数据预处理方式对模型学习影响第48-50页
        4.4.2 特性选择算法对模型学习影响第50-51页
        4.4.3 集成学习对模型学习效果的提升第51-52页
    4.5 本章小结第52-53页
第5章 工程优势比较与系统设计第53-62页
    5.1 工程优势分析与思考第53-55页
        5.1.1 有监督机器学习检测的优势第53-54页
        5.1.2 有监督机器学习检测的反思第54-55页
    5.2 有监督学习方法的补充解决方案第55-58页
        5.2.1 基于统计学习的检测方法第55-57页
        5.2.2 实验对比第57-58页
    5.3 整体检测流程设计第58-59页
    5.4 系统设计与实现第59-61页
    5.5 本章小结第61-62页
第6章 工作展望第62-65页
    6.1 本文工作总结第62-63页
    6.2 后续研究工作第63-65页
参考文献第65-68页
致谢第68-69页
攻读硕士学位期间从事的科研工作及取得的成果第69页

论文共69页,点击 下载论文
上一篇:基于卷积神经网络的车行环境多类障碍物检测与识别
下一篇:一种H型缝隙耦合微带阵列天线的改进设计