| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景及意义 | 第13-15页 |
| ·研究背景 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·研究现状 | 第15-16页 |
| ·本文工作 | 第16-19页 |
| ·研究内容及创新点 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第2章 入侵防御系统 | 第19-30页 |
| ·防火墙 | 第19-20页 |
| ·入侵检测系统 | 第20-25页 |
| ·入侵检测的定义 | 第20-21页 |
| ·入侵检测系统的体系结构 | 第21页 |
| ·入侵检测系统分类 | 第21-24页 |
| ·入侵检测系统的不足 | 第24-25页 |
| ·入侵防御系统 | 第25-29页 |
| ·入侵防御系统的概念及特点 | 第25页 |
| ·入侵防御系统工作原理 | 第25-26页 |
| ·入侵防御系统的分类 | 第26-27页 |
| ·防火墙，入侵检测系统和入侵防御系统的关系 | 第27-28页 |
| ·入侵防御系统面临的问题与发展趋势 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 云模型理论基础 | 第30-38页 |
| ·引言 | 第30-31页 |
| ·云模型的概念 | 第31-34页 |
| ·云模型的基本定义及其性质 | 第31-33页 |
| ·云模型的数字特征 | 第33-34页 |
| ·一维正态云模型的 3 En原理 | 第34页 |
| ·云模型发生器 | 第34-37页 |
| ·正向云发生器 | 第34-35页 |
| ·逆向云发生器 | 第35-36页 |
| ·条件云发生器 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于云模型的半监督聚类入侵检测算法 | 第38-47页 |
| ·机器学习概述 | 第38-40页 |
| ·无监督学习 | 第38-39页 |
| ·监督学习 | 第39页 |
| ·半监督学习 | 第39-40页 |
| ·聚类分析理论 | 第40-41页 |
| ·聚类分析的定义 | 第40页 |
| ·聚类的基本步骤 | 第40-41页 |
| ·聚类方法的分类 | 第41页 |
| ·K 均值算法 | 第41-42页 |
| ·半监督聚类算法 | 第42-44页 |
| ·基于云模型的半监督聚类入侵检测算法 | 第44-46页 |
| ·云相对贴近度 | 第44-45页 |
| ·基于云模型的半监督聚类动态加权的入侵检测算法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 实验仿真与结果分析 | 第47-60页 |
| ·实验数据介绍 | 第47-50页 |
| ·半监督聚类算法 | 第50-54页 |
| ·实验数据选取与预处理 | 第50-52页 |
| ·仿真实验与结果分析 | 第52-54页 |
| ·基于云模型的半监督聚类入侵检测算法 | 第54-59页 |
| ·实验数据选取 | 第54页 |
| ·仿真实验与结果分析 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 基于云模型的半监督聚类入侵防御系统 | 第60-65页 |
| ·入侵防御系统的设计思想以及其应该具备的特征 | 第60页 |
| ·入侵防御系统的设计思想 | 第60页 |
| ·理想的入侵防御系统应该具备的特征 | 第60页 |
| ·基于云模型的半监督聚类入侵防御系统的整体架构设计 | 第60-63页 |
| ·事件的分类 | 第60-61页 |
| ·系统体系结构 | 第61-63页 |
| ·网络数据在入侵防御系统流向 | 第63页 |
| ·入侵防御系统的应用部署 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 论文总结 | 第65-66页 |
| 工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |