| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文工作和论文组织 | 第10-11页 |
| 第二章 入侵检测 | 第11-22页 |
| ·入侵检测的产生与发展 | 第11-12页 |
| ·入侵检测的基本概念 | 第12-13页 |
| ·入侵的概念 | 第12页 |
| ·入侵检测的概念 | 第12-13页 |
| ·入侵检测系统模型 | 第13-14页 |
| ·Denning 模型 | 第13-14页 |
| ·公共入侵检测模型CIDF | 第14页 |
| ·入侵检测的作用 | 第14-15页 |
| ·入侵检测的必要性 | 第15-16页 |
| ·入侵检测系统的分类 | 第16-19页 |
| ·基于数据源的分类 | 第16-17页 |
| ·基于检测方法的分类 | 第17-18页 |
| ·基于响应方式的分类 | 第18页 |
| ·基于体系结构的分类 | 第18-19页 |
| ·基于实时性要求的分类 | 第19页 |
| ·常用的入侵检测方法 | 第19-20页 |
| ·入侵检测系统的发展趋势 | 第20-22页 |
| 第三章 网络异常检测算法和数据融合技术 | 第22-30页 |
| ·网络异常检测算法 | 第22-26页 |
| ·BP 人工神经网络 | 第22-23页 |
| ·二分类BMPM | 第23-24页 |
| ·二分类SVM | 第24-26页 |
| ·数据融合技术 | 第26-30页 |
| ·数据融合的基础知识 | 第26页 |
| ·数据融合模型 | 第26-27页 |
| ·数据融合的级别 | 第27-28页 |
| ·数据融合的方法 | 第28页 |
| ·数据融合的关键问题 | 第28-29页 |
| ·数据融合技术的意义 | 第29-30页 |
| 第四章 基于BP 神经网络融合SVM 与BMPM 网络异常检测 | 第30-41页 |
| ·传统网络异常检测模型 | 第30-31页 |
| ·融合SVM 与BMPM 网络异常检测 | 第31-35页 |
| ·融合SVM 与BMPM 网络异常检测模型 | 第31-32页 |
| ·融合模型的解决 | 第32-35页 |
| ·实验数据描述 | 第35-37页 |
| ·KDD Cup1999 数据集 | 第35-36页 |
| ·实验数据预处理 | 第36-37页 |
| ·实验结果评价参数 | 第37-38页 |
| ·TP 、FN、 TN、 FP 表示. | 第37页 |
| ·ROC 和AUC 度量 | 第37页 |
| ·Precision、Recall 和F-Score 度量 | 第37-38页 |
| ·实验仿真 | 第38-40页 |
| ·实验结果 | 第38-39页 |
| ·实验结果分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 扩展D-S 证据理论融合多分类器网络异常检测 | 第41-56页 |
| ·D-S 证据理论 | 第41-43页 |
| ·D-S 证据理论基础 | 第41-42页 |
| ·BPA 的确定方法 | 第42页 |
| ·D-S 证据理论的优缺点 | 第42-43页 |
| ·改进的D-S 合成规则 | 第43页 |
| ·基于扩展D-S 证据理论的网络异常检测 | 第43-49页 |
| ·融合多分类器的异常检测模型 | 第44页 |
| ·扩展D-S 证据理论的异常检测方法 | 第44-49页 |
| ·做出决策 | 第49页 |
| ·实验仿真 | 第49-55页 |
| ·实验中使用的数据集 | 第49-50页 |
| ·实验结果与分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第63页 |
