自适应的贝叶斯网在入侵检测中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 入侵检测目前存在的问题 | 第11-12页 |
| 1.4 本文研究的主要内容 | 第12-14页 |
| 第二章 入侵检测系统概述 | 第14-23页 |
| 2.1 入侵检测的概念 | 第14页 |
| 2.2 入侵检测的分类 | 第14-16页 |
| 2.3 当前主流的检测技术 | 第16-18页 |
| 2.4 入侵检测技术的发展趋势 | 第18-19页 |
| 2.5 入侵检测的基本流程 | 第19页 |
| 2.6 本文采用的实验数据 | 第19-21页 |
| 2.7 本章小结 | 第21-23页 |
| 第三章 粗糙集属性约简算法 | 第23-29页 |
| 3.1 粗糙集基本理论基础 | 第23-24页 |
| 3.1.1 信息表、可定义集、不可分辨性 | 第23-24页 |
| 3.1.2 粗糙集、上近似集、下近似集 | 第24页 |
| 3.2 属性约简 | 第24-25页 |
| 3.2.1 属性的约简和核 | 第24-25页 |
| 3.3 属性约简算法 | 第25-27页 |
| 3.3.1 基于属性重要度的属性约简算法 | 第25-26页 |
| 3.3.2 基于可辨识矩阵的属性约简算法 | 第26-27页 |
| 3.3.3 一般属性约简算法 | 第27页 |
| 3.4 本文采用的约简算法 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于贝叶斯网络的入侵检测技术 | 第29-41页 |
| 4.1 有关概率论的基础知识 | 第29-30页 |
| 4.2 贝叶斯分类算法 | 第30-32页 |
| 4.3 贝叶斯网络的简单介绍 | 第32-37页 |
| 4.3.1 基本概念 | 第32-33页 |
| 4.3.2 贝叶斯网络结构学习算法 | 第33-34页 |
| 4.3.3 本文采用的贝叶斯网络结构学习算法 | 第34-36页 |
| 4.3.4 贝叶斯网络参数学习 | 第36-37页 |
| 4.4 贝叶斯网络在入侵检测中的应用 | 第37-40页 |
| 4.4.1 实验过程 | 第37-39页 |
| 4.4.2 实验的结果 | 第39-40页 |
| 4.4.3 实验结论 | 第40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 一种自适应的贝叶斯网络算法 | 第41-50页 |
| 5.1 贝叶斯网络的自适应性 | 第41页 |
| 5.2 基于滑动窗口的窗口扩展算法 | 第41-43页 |
| 5.3 一种自适应的贝叶斯网络算法 | 第43-44页 |
| 5.4 实验过程与结果分析 | 第44-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 结论和未来工作的安排 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间发表的论文 | 第56页 |
