基于混合聚类的入侵检测算法研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-12页 |
| ·课题研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本论文的研究内容及组织结构 | 第10-12页 |
| ·本论文的主要研究内容 | 第10页 |
| ·论文的组织结构 | 第10-12页 |
| 2 入侵检测技术 | 第12-18页 |
| ·入侵检测概念及发展史 | 第12-13页 |
| ·通用入侵检测模型 | 第13-14页 |
| ·入侵检测的分类 | 第14-16页 |
| ·现存的问题及发展方向 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 基于聚类的入侵检测技术研究 | 第18-26页 |
| ·数据挖掘技术 | 第18-20页 |
| ·数据挖掘分类 | 第18-20页 |
| ·传统入侵检测技术的缺陷 | 第20页 |
| ·主要聚类分析方法 | 第20-22页 |
| ·相异度矩阵 | 第22-25页 |
| ·定义 | 第22页 |
| ·计算方法 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 4 聚类算法与特征选择 | 第26-42页 |
| ·划分聚类方法 | 第26-30页 |
| ·k -平均算法 | 第27-28页 |
| ·k -中心点算法 | 第28-30页 |
| ·遗传算法原理 | 第30-34页 |
| ·遗传算法的基本原理 | 第30-31页 |
| ·遗传算法的基本要素 | 第31-33页 |
| ·遗传算法的基本特点 | 第33-34页 |
| ·基于遗传算法的k- 中心点聚类算法 | 第34-37页 |
| ·遗传算法解决聚类问题的基础 | 第34-37页 |
| ·基于遗传算法的k -中心点聚类算法 | 第37页 |
| ·特征选择与粗糙集理论 | 第37-41页 |
| ·引入特征选择的原因 | 第37-38页 |
| ·特征选择 | 第38-39页 |
| ·粗糙集理论 | 第39-40页 |
| ·粗糙集理论应用于属性约简 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 聚类入侵检测算法实验比较 | 第42-56页 |
| ·算法的整体实现 | 第43-44页 |
| ·KDD99 数据集简介 | 第44-46页 |
| ·聚类入侵检测算法实现 | 第46-49页 |
| ·数据的归一化处理 | 第46页 |
| ·基于粗糙集理论的特征提取 | 第46-47页 |
| ·聚类分析 | 第47-48页 |
| ·检测算法 | 第48-49页 |
| ·实验结果及分析 | 第49-55页 |
| ·实验设计 | 第49页 |
| ·测试结果及分析 | 第49-55页 |
| ·新攻击的识别 | 第55页 |
| ·本章小结 | 第55-56页 |
| 6 结论 | 第56-57页 |
| ·总结 | 第56页 |
| ·展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
