基于可信机的网络入侵检测算法的研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-14页 |
| ·论文背景 | 第10-12页 |
| ·入侵检测的必要性 | 第10-11页 |
| ·入侵检测系统的研究现状 | 第11-12页 |
| ·论文的研究内容 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 2 支持向量机与入侵检测 | 第14-27页 |
| ·机器学习的基本问题 | 第14页 |
| ·经验风险最小化 | 第14-15页 |
| ·统计学习理论 | 第15-18页 |
| ·VC维 | 第16页 |
| ·推广性的界 | 第16-17页 |
| ·结构风险最小化 | 第17-18页 |
| ·支持向量机SVM | 第18-23页 |
| ·线性可分下的最优分类面 | 第19-21页 |
| ·线性不可分下的广义最优分类面 | 第21页 |
| ·核函数 | 第21-23页 |
| ·入侵检测技术 | 第23-27页 |
| ·入侵检测系统模型 | 第23页 |
| ·入侵检测系统的分类 | 第23-24页 |
| ·常用的入侵检测算法 | 第24-27页 |
| 3 可信学习机 | 第27-32页 |
| ·序列随机性理论 | 第27-28页 |
| ·可信学习机原理 | 第28-29页 |
| ·可信支持向量机CSVM | 第29-30页 |
| ·近邻可信学习机器 | 第30-32页 |
| 4 NN-CSVM算法 | 第32-38页 |
| ·近邻法分类的基本原理 | 第32页 |
| ·KNN-SVM的形成 | 第32-33页 |
| ·NN-CSVM的实现 | 第33-38页 |
| ·NN-CSVM算法描述 | 第33-35页 |
| ·NN-CSVM算法实现 | 第35-38页 |
| 5 NN-CSVM在网络入侵检测中的应用 | 第38-41页 |
| ·NN-CSVM应用于网络入侵检测的可行性 | 第38-39页 |
| ·基于NN-CSVM的网络入侵检测基本结构 | 第39-40页 |
| ·可信度和可靠性参数在网络入侵检测中的重要作用 | 第40-41页 |
| 6 实验 | 第41-48页 |
| ·原始数据描述 | 第41-44页 |
| ·实验数据 | 第44页 |
| ·实验结果及结果分析 | 第44-48页 |
| 7 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 作者简历 | 第51-53页 |
| 学位论文数据集 | 第53页 |
