| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状分析 | 第12-13页 |
| 1.2.1 入侵检测技术的概念和分类 | 第12页 |
| 1.2.2 传统的网络入侵检测技术的不足和分析 | 第12页 |
| 1.2.3 入侵检测技术发展趋势 | 第12-13页 |
| 1.3 前人研究成果综述 | 第13-15页 |
| 1.4 本文的研究内容与结构 | 第15-16页 |
| 第二章 入侵检测技术概述 | 第16-32页 |
| 2.1 入侵检测技术概述 | 第16-19页 |
| 2.1.1 入侵检测系统的概念 | 第16页 |
| 2.1.2 入侵检测系统的分类 | 第16-17页 |
| 2.1.3 常见的网络入侵类型 | 第17-18页 |
| 2.1.4 当前主流入侵检测系统简介 | 第18-19页 |
| 2.2 基于模式匹配的入侵检测系统 | 第19-23页 |
| 2.2.1 Snort简介和体系结构 | 第19-21页 |
| 2.2.2 Snort在统一防护与安全管理系统中的应用 | 第21-22页 |
| 2.2.3 基于模式匹配的入侵检测技术的局限性 | 第22-23页 |
| 2.3 基于支持向量机的入侵检测系统 | 第23-27页 |
| 2.3.1 基于支持向量机的入侵检测系统模型 | 第23页 |
| 2.3.2 支持向量机的概念与原理 | 第23-24页 |
| 2.3.3 二分类问题 | 第24-25页 |
| 2.3.4 惩罚参数 | 第25页 |
| 2.3.5 支持向量机核函数 | 第25-26页 |
| 2.3.6 SVM模型推广能力评估方法 | 第26-27页 |
| 2.4 特征选择 | 第27-30页 |
| 2.4.1 特征选择的概念 | 第27页 |
| 2.4.2 特征选择的四个阶段 | 第27-30页 |
| 2.5 常用的机器学习方法介绍 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于SVM的入侵检测系统的研究 | 第32-41页 |
| 3.1 通用入侵检测系统模型 | 第32-33页 |
| 3.2 基于SVM的入侵检测系统框架 | 第33-34页 |
| 3.3 数据采集模块 | 第34-35页 |
| 3.4 数据预处理模块 | 第35-37页 |
| 3.4.1 降采样 | 第35-36页 |
| 3.4.2 连续特征属性离散化 | 第36页 |
| 3.4.3 归一化 | 第36-37页 |
| 3.5 组合特征选择模块 | 第37页 |
| 3.6 分类器模块 | 第37-38页 |
| 3.6.1 支持向量机分类器模块 | 第37-38页 |
| 3.6.2 基于随机森林的分类器模块 | 第38页 |
| 3.7 响应模块 | 第38-39页 |
| 3.8 入侵检测系统的性能评价 | 第39-40页 |
| 3.9 本章小结 | 第40-41页 |
| 第四章 改进的支持向量机参数搜索算法 | 第41-46页 |
| 4.1 遗传算法中的几个概念 | 第41-42页 |
| 4.1.1 染色体编码 | 第41页 |
| 4.1.2 适应度函数 | 第41页 |
| 4.1.3 基因操作 | 第41-42页 |
| 4.2 传统的遗传算法搜索支持向量机参数算法 | 第42页 |
| 4.3 改进的遗传算法搜索支持向量机参数算法 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 特征选择在入侵检测系统中的研究 | 第46-53页 |
| 5.1 随机森林 | 第46-49页 |
| 5.1.1 随机森林算法 | 第46-47页 |
| 5.1.2 森林中单棵决策树 | 第47-48页 |
| 5.1.3 随机森林的性能评价 | 第48页 |
| 5.1.4 随机森林算法在特征选择中的应用 | 第48-49页 |
| 5.2 基于随机森林和RFE的组合特征选择方法 | 第49-52页 |
| 5.2.1 改进的随机森林算法 | 第49-50页 |
| 5.2.2 迭代的特征评价(RFE)算法 | 第50-51页 |
| 5.2.3 基于随机森林和RFE的组合特征选择算法 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 基于SVM的入侵检测系统的实现 | 第53-61页 |
| 6.1 系统平台 | 第53-54页 |
| 6.2 数据采集模块 | 第54页 |
| 6.3 数据预处理模块 | 第54-56页 |
| 6.3.1 降采样模块 | 第54页 |
| 6.3.2 连续特征属性离散化模块 | 第54-55页 |
| 6.3.3 归一化模块 | 第55-56页 |
| 6.4 入侵检测识别模块 | 第56-59页 |
| 6.4.1 特征选择模块 | 第56页 |
| 6.4.2 SVM识别模块 | 第56-58页 |
| 6.4.3 随机森林识别模块 | 第58-59页 |
| 6.5 响应模块 | 第59-60页 |
| 6.6 本章小结 | 第60-61页 |
| 第七章 基于SVM的入侵检测系统的测试 | 第61-69页 |
| 7.1 实验数据 | 第61-62页 |
| 7.2 实验过程 | 第62页 |
| 7.3 实验结果 | 第62-67页 |
| 7.3.1 降采样 | 第62-63页 |
| 7.3.2 组合特征选择 | 第63-64页 |
| 7.3.3 SVM 参数搜索 | 第64页 |
| 7.3.4 分类器比较 | 第64-65页 |
| 7.3.5 模型训练时间 | 第65-66页 |
| 7.3.6 ROC 曲线 | 第66-67页 |
| 7.4 实验结论 | 第67-68页 |
| 7.5 本章小结 | 第68-69页 |
| 第八章 总结与展望 | 第69-71页 |
| 8.1 全文总结 | 第69页 |
| 8.2 展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表的学术论文 | 第75页 |