基于多分类器组合的网络入侵检测方法研究
| 第一章 绪论 | 第1-18页 |
| ·引言 | 第9页 |
| ·入侵检测简介 | 第9-12页 |
| ·入侵检测的定义 | 第9-10页 |
| ·入侵检测的发展及研究现状 | 第10-11页 |
| ·现有入侵检测技术的不足 | 第11-12页 |
| ·基于多分类器组合的网络入侵检测方法概述 | 第12-13页 |
| ·问题的提出 | 第12-13页 |
| ·研究现状 | 第13页 |
| ·多分类器组合方法的分类 | 第13-16页 |
| ·串行组合 | 第13-14页 |
| ·并行组合 | 第14-16页 |
| ·层次级联 | 第16页 |
| ·论文选题的目的和意义 | 第16页 |
| ·论文的主要研究内容和论文的组织 | 第16-18页 |
| 第二章 入侵检测系统 | 第18-34页 |
| ·入侵检测系统的标准化 | 第18-19页 |
| ·公共入侵检测框架CIDF | 第18-19页 |
| ·IDWG的标准化 | 第19页 |
| ·入侵检测系统的分类 | 第19-31页 |
| ·按数据源分类 | 第20-23页 |
| ·按分析引擎分类 | 第23-27页 |
| ·混合的检测方法 | 第27-31页 |
| ·入侵检测的发展趋势 | 第31-32页 |
| ·入侵技术的发展与演化 | 第31页 |
| ·入侵检测方法的发展趋势 | 第31-32页 |
| ·入侵检测系统的设计目标 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 分类与聚类分析算法 | 第34-42页 |
| ·常用的分类算法 | 第34-40页 |
| ·基于决策树的分类 | 第34-36页 |
| ·贝叶斯分类 | 第36-37页 |
| ·神经网络分类方法 | 第37-39页 |
| ·k-最近邻方法 | 第39-40页 |
| ·聚类分析 | 第40-41页 |
| ·基本概念 | 第40页 |
| ·聚类分析方法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 网络入侵检测系统模型与实验环境 | 第42-48页 |
| ·基于多分类器组合的网络入侵检测系统模型 | 第42-44页 |
| ·实验环境 | 第44-47页 |
| ·实验数据分析及预处理 | 第44-47页 |
| ·实验的建立 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于多分类器组合的网络入侵检测方法 | 第48-70页 |
| ·多分类器组合方法 | 第48-56页 |
| ·基于度量层的多分类器融合方法 | 第49-52页 |
| ·多分类器选择方法 | 第52-56页 |
| ·特殊方法 | 第56页 |
| ·基于多分类器融合的网络入侵检测方法 | 第56-60页 |
| ·方法描述 | 第56-58页 |
| ·性能测试 | 第58-60页 |
| ·基于静态分类器选择的网络入侵检测方法 | 第60-62页 |
| ·方法描述 | 第60-61页 |
| ·性能测试 | 第61-62页 |
| ·基于动态分类器选择的网络入侵检测方法 | 第62-66页 |
| ·方法描述 | 第62-64页 |
| ·性能测试 | 第64-66页 |
| ·基于多分类器选择结合融合的网络入侵检测方法 | 第66-69页 |
| ·方法描述 | 第66-68页 |
| ·性能测试 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结 | 第70-72页 |
| ·本文的工作和主要贡献 | 第70-71页 |
| ·进一步的工作 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间参加的科研项目 | 第78-79页 |
| 攻读学位期间发表论文情况 | 第79页 |
