| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·内部威胁研究现状 | 第8-9页 |
| ·本文研究的内容和章节安排 | 第9-11页 |
| 第二章 内部威胁 | 第11-19页 |
| ·入侵检测 | 第11页 |
| ·内部威胁检测 | 第11-12页 |
| ·现有的检测方法 | 第12-19页 |
| ·基于主机的检测方法 | 第12-16页 |
| ·基于网络的检测方法 | 第16-17页 |
| ·综合检测技术 | 第17-19页 |
| 第三章 基于变权反馈的增强树型朴素贝叶斯建模算法设计 | 第19-31页 |
| ·贝叶斯网络 | 第19-23页 |
| ·贝叶斯网络定理 | 第19-20页 |
| ·贝叶斯网络的推理 | 第20-21页 |
| ·贝叶斯网络的拓扑结构 | 第21-22页 |
| ·贝叶斯网络的结构学习 | 第22-23页 |
| ·贝叶斯网络的特点 | 第23页 |
| ·树增强型朴素贝叶斯网络 | 第23-28页 |
| ·朴素贝叶斯网络原理 | 第24页 |
| ·树增强型朴素贝叶斯网络原理 | 第24-25页 |
| ·树增强型朴素贝叶斯网络分类器 | 第25-26页 |
| ·基于树增强型朴素贝叶斯网络分类器的建模与检测 | 第26-28页 |
| ·变权反馈增强树型朴素贝叶斯 | 第28-31页 |
| ·加权增强树型朴素贝叶斯分类模型 | 第28页 |
| ·变权反馈增强树型朴素贝叶斯算法设计 | 第28-31页 |
| 第四章 特征空间压缩与模式分类原理 | 第31-41页 |
| ·粗糙集理论研究现状 | 第31-33页 |
| ·粗糙集理论 | 第33-36页 |
| ·定义 | 第33-34页 |
| ·基本算法及其复杂度 | 第34-35页 |
| ·约简 | 第35-36页 |
| ·基于粗糙集的树增强型朴素贝叶斯维数约简 | 第36-39页 |
| ·基于粗糙集的属性重要性 | 第36-37页 |
| ·维数约简过程 | 第37-38页 |
| ·门阈值 | 第38-39页 |
| ·基于最小风险贝叶斯的分类判决 | 第39-41页 |
| 第五章 身份鉴别系统设计 | 第41-53页 |
| ·系统模型 | 第41-43页 |
| ·用户行为特征数据分析 | 第43-47页 |
| ·用户特征信息数据 | 第43-45页 |
| ·基于粗糙集的维数约简参数确定 | 第45-46页 |
| ·变权增强树型朴素贝叶斯参数确定 | 第46-47页 |
| ·基于最小风险的贝叶斯判决准则参数确定 | 第47页 |
| ·实验和结果 | 第47-53页 |
| ·实验的搭建 | 第47-49页 |
| ·身份识别实验 | 第49-50页 |
| ·冒充攻击实验 | 第50-51页 |
| ·误警的原因 | 第51页 |
| ·局限性和可能的攻击 | 第51-53页 |
| 结束语 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 作者在读期间的研究成果 | 第62-63页 |