基于机器学习的入侵检测

摘要	第1-4页
ABSTRACT	第4-10页
第1章 绪论	第10-14页
·入侵检测的应用与意义	第10-11页
·入侵检测的概念和分类	第11页
·机器学习的概念和分类	第11-12页
·基于机器学习的入侵检测的国内外发展状况	第12-13页
·本文的研究内容	第13-14页
第2章 入侵检测流程与特征规则生成	第14-26页
·入侵检测流程	第14-15页
·关联规则	第15-17页
·频繁片段	第17-19页
·特征提取	第19-23页
·主成分分析	第20-21页
·核主成分分析	第21-23页
·特征选择	第23-25页
·ResliefF算法	第23-24页
·Chi-Square算法	第24-25页
·评估算法	第25-26页
第3章 基于机器学习的入侵检测方法	第26-47页
·机器学习方法	第26-43页
·基于神经网络的入侵检测	第26-33页
·基于遗传算法的入侵检测	第33-39页
·基于支持向量机的入侵检测	第39-43页
·基于机器学习的混合入侵检测模型	第43-47页
第4章 检测的实验结果及分析	第47-61页
·实验平台	第47-48页
·基于三种机器学习分类算法的异常检测入侵实验结果	第48-52页
·使用ResliefF算法的实验结果	第48-50页
·使用Chi-Square算法的实验结果	第50-52页
·基于三种机器学习分类算法的混合模式入侵实验结果	第52-56页
·使用ResliefF算法的实验结果	第52-54页
·使用Chi-Square算法的实验结果	第54-56页
·误用检测的相关数据	第56页
·各类算法小结	第56-61页
·检测率评估	第56-58页
·误警率评估	第58-59页
·系统效率评估	第59-61页
第5章 总结与展望	第61-63页
·结论	第61页
·前景展望	第61-63页
参考文献	第63-66页
专利授权受理情况	第66-67页
致谢	第67页