入侵检测分类器设计及其融合技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-29页 |
| ·研究背景和意义 | 第11-12页 |
| ·入侵检测系统概述 | 第12-23页 |
| ·入侵检测技术的发展历程 | 第12-16页 |
| ·入侵检测技术的分类 | 第16-22页 |
| ·国内外研究情况 | 第22-23页 |
| ·当前的热点问题 | 第23页 |
| ·融合技术及其在入侵检测系统中的应用 | 第23-25页 |
| ·特征融合及分类器融合 | 第24-25页 |
| ·融合技术在入侵检测中的应用 | 第25页 |
| ·本文的研究思路和主要工作 | 第25-26页 |
| ·本文结构安排 | 第26-29页 |
| 2 基于无监督聚类的入侵检测方法 | 第29-47页 |
| ·问题提出 | 第29-30页 |
| ·聚类分析 | 第30-31页 |
| ·聚类的一般描述 | 第30-31页 |
| ·传统的聚类算法 | 第31页 |
| ·数据处理 | 第31-37页 |
| ·数据集描述 | 第31-34页 |
| ·数据集规范化处理 | 第34-37页 |
| ·聚类检测算法 | 第37-40页 |
| ·相似性度量 | 第38-39页 |
| ·类间距递推方法 | 第39页 |
| ·聚类算法 | 第39-40页 |
| ·仿真实验 | 第40-46页 |
| ·本章小结 | 第46-47页 |
| 3 基于分类器融合的入侵检测系统 | 第47-65页 |
| ·分类器融合 | 第47-51页 |
| ·分类器融合结构 | 第47-48页 |
| ·并行结构分类器融合原理 | 第48-50页 |
| ·基于特征选择的集成学习方法 | 第50-51页 |
| ·标准支持向量机分类器 | 第51-54页 |
| ·支持向量机 | 第51页 |
| ·广义最优分类面 | 第51-53页 |
| ·支持向量机原理 | 第53页 |
| ·内积核函数 | 第53-54页 |
| ·基于分类器融合的入侵检测 | 第54-59页 |
| ·特征提取 | 第54-58页 |
| ·分类器融合的入侵检测系统 | 第58-59页 |
| ·仿真实验 | 第59-63页 |
| ·本章小结 | 第63-65页 |
| 4 基于串行结构的分类器融合的入侵检测系统 | 第65-87页 |
| ·基于混合聚类和自组织映射的检测系统 | 第65-77页 |
| ·聚类算法的设计 | 第65-68页 |
| ·基于自组织映射的分类 | 第68-73页 |
| ·仿真实验 | 第73-77页 |
| ·基于混合人工免疫与自组织映射的检测系统 | 第77-82页 |
| ·免疫系统原理 | 第77页 |
| ·人工免疫算法 | 第77-79页 |
| ·基于人工免疫系统的异常检测 | 第79-81页 |
| ·仿真实验 | 第81-82页 |
| ·基于支持向量机与自组织映射的检测系统 | 第82-85页 |
| ·仿真实验 | 第83-85页 |
| ·本章小结 | 第85-87页 |
| 5 面向新型入侵类别信息获取的检测方法 | 第87-101页 |
| ·面向新型入侵分类的检测模型 | 第87-100页 |
| ·基于UOS的异常检测系统 | 第88-97页 |
| ·基于EOS的异常检测模型 | 第97-100页 |
| ·本章小结 | 第100-101页 |
| 6 结束语 | 第101-103页 |
| 致谢 | 第103-107页 |
| 参考文献 | 第107-116页 |
| 附录 | 第116页 |
