长期演进系统下入侵检测关键技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-21页 |
| ·问题背景 | 第12-16页 |
| ·研究现状 | 第16-18页 |
| ·本文思路 | 第18-19页 |
| ·章节安排 | 第19-21页 |
| 第二章 长期演进技术和入侵检测相关技术 | 第21-44页 |
| ·长期演进技术 | 第21-27页 |
| ·LTE 技术概述 | 第21页 |
| ·LTE 发展和现状 | 第21-23页 |
| ·LTE 体系架构 | 第23-25页 |
| ·LTE 中的关键技术 | 第25-26页 |
| ·LTE 中的安全问题 | 第26-27页 |
| ·入侵检测系统 | 第27-36页 |
| ·入侵检测系统概述 | 第27-28页 |
| ·入侵检测系统定义及研究现状 | 第28-29页 |
| ·通用检测模型以及评价标准 | 第29-30页 |
| ·入侵检测系统的主要分类 | 第30-33页 |
| ·各种常用检测方法 | 第33-36页 |
| ·入侵检测中的数据挖掘 | 第36-43页 |
| ·数据挖掘的基本概念 | 第36-37页 |
| ·数据挖掘的发展 | 第37页 |
| ·数据挖掘中的各种常见算法 | 第37-40页 |
| ·数据挖掘和入侵检测的结合 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 基于单eNodeB 的日志挖掘算法 | 第44-59页 |
| ·动机和目的 | 第44页 |
| ·入侵检测库概述 | 第44-45页 |
| ·基于数据挖掘的日志分析型IDS | 第45-55页 |
| ·日志获取模块 | 第45-47页 |
| ·文件预处理模块 | 第47-48页 |
| ·分词和数据处理模块 | 第48-54页 |
| ·CTCLAS 系统 | 第49-53页 |
| ·基于词性的Bootstrapping 算法 | 第53-54页 |
| ·规则库模块与处理模块 | 第54-55页 |
| ·实验结果分析 | 第55-59页 |
| ·实验准备 | 第55页 |
| ·数据收集和预处理 | 第55-57页 |
| ·分词和数据处理 | 第57-59页 |
| 第四章 基于多eNodeB 的特征值检测算法 | 第59-78页 |
| ·动机和目的 | 第59页 |
| ·体系架构概述 | 第59-66页 |
| ·数据收集器EAT | 第60-61页 |
| ·数据预处理 | 第61-66页 |
| ·降维算法 | 第66-71页 |
| ·降维算法概述 | 第66页 |
| ·非线性降维算法 | 第66-69页 |
| ·流形学习定义 | 第66-67页 |
| ·Hessian 特征映射(HLLE) | 第67页 |
| ·拉普拉斯特征映射(LE) | 第67-68页 |
| ·局部切空间排列(LTSA) | 第68-69页 |
| ·改进型拉普拉斯 | 第69-71页 |
| ·拉普拉斯的不足 | 第69页 |
| ·监督的距离度量 | 第69-70页 |
| ·改进的拉普拉斯特征映射算法 | 第70-71页 |
| ·BP 神经网络分类器 | 第71-73页 |
| ·BP 神经网络分类器概述 | 第71-72页 |
| ·BP 学习算法 | 第72-73页 |
| ·实验结果分析 | 第73-78页 |
| ·实验准备 | 第73-74页 |
| ·EAT 与EnodeB 数量比 | 第74-75页 |
| ·数据的预处理 | 第75-77页 |
| ·BP 神经网络分类器 | 第77-78页 |
| 第五章 结束语 | 第78-80页 |
| ·本文的总结 | 第78页 |
| ·研究体会 | 第78页 |
| ·进一步工作展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 在学期间的研究成果及发表的学术论文 | 第86页 |
