| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及其意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第2章 入侵检测与数据挖掘相关技术 | 第15-35页 |
| 2.1 入侵检测技术 | 第15-24页 |
| 2.1.1 基本概念 | 第15页 |
| 2.1.2 入侵检测系统主要功能 | 第15-16页 |
| 2.1.3 入侵检测系统基本结构 | 第16页 |
| 2.1.4 入侵检测的分类 | 第16-23页 |
| 2.1.5 入侵检测发展趋势 | 第23-24页 |
| 2.2 数据挖掘技术 | 第24-31页 |
| 2.2.1 数据挖掘的概念 | 第24页 |
| 2.2.2 数据挖掘主要功能 | 第24-26页 |
| 2.2.3 数据挖掘的过程 | 第26-28页 |
| 2.2.4 入侵检测中常用的数据挖掘方法 | 第28-30页 |
| 2.2.5 数据挖掘发展趋势 | 第30-31页 |
| 2.3 K-MEANS算法介绍 | 第31-32页 |
| 2.4 APRIORI算法介绍 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 系统需求分析 | 第35-41页 |
| 3.1 校园网安全存在的问题 | 第35-36页 |
| 3.2 校园网络环境分析 | 第36-38页 |
| 3.3 校园网IDS系统功能需求 | 第38-40页 |
| 3.3.1 系统需求概述 | 第38-39页 |
| 3.3.2 入侵检测系统功能需求 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于数据挖掘的校园网入侵检测系统设计 | 第41-49页 |
| 4.1 入侵检测系统在校园网中结构部署 | 第41-42页 |
| 4.2 入侵检测系统模型设计思路 | 第42-43页 |
| 4.3 模块功能介绍 | 第43-44页 |
| 4.4 聚类分析模块设计 | 第44-47页 |
| 4.4.1 K-means算法的相似度度量 | 第45-46页 |
| 4.4.2 聚类分析模块构建 | 第46-47页 |
| 4.5 规则生成模块设计 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 基于数据挖掘的校园网入侵检测系统实现及测试 | 第49-65页 |
| 5.1 聚类分析模块实现 | 第49-51页 |
| 5.1.1 模块工作流程 | 第49页 |
| 5.1.2 K-means算法的改进及实现 | 第49-51页 |
| 5.2 规则生成模块实现 | 第51-55页 |
| 5.2.1 Apriori算法的不足及改进方法 | 第51-53页 |
| 5.2.2 规则生成模块算法实现 | 第53-55页 |
| 5.3 预检测引擎模块 | 第55-57页 |
| 5.3.1 预检测引擎检测过程 | 第55页 |
| 5.3.2 功能模块与Snort系统对接 | 第55-57页 |
| 5.4 实验测试 | 第57-63页 |
| 5.4.1 测试环境 | 第57-58页 |
| 5.4.2 模拟实验及结果分析 | 第58-63页 |
| 5.4.3 实验结论 | 第63页 |
| 5.5 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 下一步研究展望 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |