| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状分析 | 第11-12页 |
| 1.3 课题主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 入侵检测相关理论概述 | 第15-23页 |
| 2.1 网络信息安全 | 第15-16页 |
| 2.1.1 网络信息安全的定义 | 第15页 |
| 2.1.2 网络信息安全的特点 | 第15-16页 |
| 2.2 入侵检测技术 | 第16-21页 |
| 2.2.1 标准入侵检测模型 | 第16-17页 |
| 2.2.2 入侵检测系统的分类 | 第17-19页 |
| 2.2.3 异常检测技术的分类 | 第19-21页 |
| 2.3 主流入侵检测系统简介 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 入侵检测系统分析与框架设计 | 第23-38页 |
| 3.1 入侵检测系统总体设计目标 | 第23页 |
| 3.2 入侵检测系统需求分析 | 第23-35页 |
| 3.2.1 数据采集功能分析 | 第24-29页 |
| 3.2.2 数据预处理功能分析 | 第29-33页 |
| 3.2.3 数据分类检测功能分析 | 第33-34页 |
| 3.2.4 响应模块功能分析 | 第34页 |
| 3.2.5 入侵检测系统算法需求 | 第34-35页 |
| 3.3 入侵检测系统总体框架 | 第35-36页 |
| 3.4 分类检测对入侵检测的重要性 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 入侵检测系统分类检测模块设计 | 第38-73页 |
| 4.1 传统分类检测算法的不足 | 第38-43页 |
| 4.2 基于TWSVM的多分类检测模型 | 第43-47页 |
| 4.2.1 孪生支持向量机 | 第43-45页 |
| 4.2.2 多类分类器的构造 | 第45-47页 |
| 4.3 TWSVM的参数选择 | 第47-54页 |
| 4.3.1 参数选择算法的必要性 | 第47-49页 |
| 4.3.2 果蝇算法的适应性分析 | 第49-50页 |
| 4.3.3 基于FOA的参数选择算法设计 | 第50-52页 |
| 4.3.4 FOA-TWSVM算法有效性实验 | 第52-54页 |
| 4.4 基于FOA-TWSVM的分类检测算法设计 | 第54-60页 |
| 4.4.1 特征选择阶段 | 第55-56页 |
| 4.4.2 参数寻优阶段伪代码设计 | 第56-58页 |
| 4.4.3 训练阶段伪代码设计 | 第58-59页 |
| 4.4.4 预测阶段伪代码设计 | 第59-60页 |
| 4.5 分类检测模型实验 | 第60-72页 |
| 4.5.1 入侵检测模型评估指标 | 第60页 |
| 4.5.2 实验数据源 | 第60-64页 |
| 4.5.3 实验环境及实验过程 | 第64-67页 |
| 4.5.4 数据预处理 | 第67-68页 |
| 4.5.5 入侵检测实验结果分析 | 第68-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第5章 入侵检测在系统环境安全中的应用 | 第73-92页 |
| 5.1 大数据环境下系统网络环境风险分析 | 第73-75页 |
| 5.2 网络环境安全系统的运行环境 | 第75-77页 |
| 5.3 基于TWSVM入侵检测技术的应用 | 第77-84页 |
| 5.3.1 网络攻击的模拟及采集 | 第77-79页 |
| 5.3.2 入侵信息预处理模块 | 第79-82页 |
| 5.3.3 攻击类型检测模块 | 第82-84页 |
| 5.3.4 入侵报警模块 | 第84页 |
| 5.4 基于入侵检测的网络环境安全系统的展示和分析 | 第84-91页 |
| 5.5 本章小结 | 第91-92页 |
| 第6章 总结与展望 | 第92-93页 |
| 6.1 课题总结 | 第92页 |
| 6.2 不足与展望 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 致谢 | 第97页 |