目录 | 第4-7页 |
表目录 | 第7-8页 |
图目录 | 第8-10页 |
摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
第一章 绪论 | 第14-22页 |
1.1 研究背景 | 第14-15页 |
1.1.1 网络安全威胁日益凸显 | 第14页 |
1.1.2 入侵检测需求同步提升 | 第14-15页 |
1.1.3 入侵检测手段不够智能 | 第15页 |
1.2 研究意义 | 第15-16页 |
1.2.1 入侵检测-信息安全防护 | 第15页 |
1.2.2 聚类分析-无监督式学习 | 第15页 |
1.2.3 特征选择-海量数据有效降维 | 第15-16页 |
1.3 研究现状 | 第16-18页 |
1.3.1 网络异常检测系统优势明显 | 第16-17页 |
1.3.2 基于数据挖掘的入侵检测方法多样化 | 第17-18页 |
1.3.3 基于聚类的异常检测方法的提出与改进 | 第18页 |
1.4 本文的研究内容及主要工作 | 第18-19页 |
1.5 论文的组织结构 | 第19-22页 |
第二章 异常检测及聚类算法分析 | 第22-34页 |
2.1 引言 | 第22页 |
2.2 异常检测系统分析 | 第22-26页 |
2.2.1 异常检测系统评价 | 第22-24页 |
2.2.2 异常检测系统模型 | 第24-26页 |
2.2.3 异常检测系统面临的挑战 | 第26页 |
2.3 聚类算法分析 | 第26-32页 |
2.3.1 聚类技术 | 第26-27页 |
2.3.2 聚类实现方式 | 第27-30页 |
2.3.3 聚类算法分析比较 | 第30-32页 |
2.4 基于聚类的异常检测算法分析 | 第32-33页 |
2.4.1 应用于异常检测的聚类算法 | 第32页 |
2.4.2 需求分析 | 第32-33页 |
2.4.3 现有算法的局限性 | 第33页 |
2.5 本章小结 | 第33-34页 |
第三章 基于 HI-WAP 的网络异常检测模型 | 第34-46页 |
3.1 引言 | 第34页 |
3.2 基于聚类的网络异常入侵检测模型 | 第34-35页 |
3.3 基于 HI-WAP 的网络异常检测模型 | 第35-39页 |
3.3.1 数据预处理 | 第36页 |
3.3.2 Hi-WAP 聚类分析器 | 第36-39页 |
3.3.3 检测系统 | 第39页 |
3.3.4 类中心更新器 | 第39页 |
3.4 实验设计与结果分析 | 第39-45页 |
3.4.1 数据描述及选取 | 第39-41页 |
3.4.2 实验结果分析 | 第41-45页 |
3.5 本章小结 | 第45-46页 |
第四章 基于 KA-APC 的特征选择算法 | 第46-56页 |
4.1 引言 | 第46页 |
4.2 特征选择介绍及基于聚类的特征筛选方法 | 第46-47页 |
4.2.1 特征选择介绍 | 第46-47页 |
4.2.2 基于聚类的筛选方法 | 第47页 |
4.3 基于核自适应的近邻传播算法 | 第47-53页 |
4.3.1 基于核函数的近邻传播聚类算法 | 第48页 |
4.3.2 核参数的自动调整 | 第48-52页 |
4.3.3 基于核自适应的近邻传播的特征选择方法 | 第52-53页 |
4.4 实验分析 | 第53-55页 |
4.4.1 实验描述 | 第53页 |
4.4.2 实验结果 | 第53-55页 |
4.5 本章小结 | 第55-56页 |
第五章 基于特征选择和聚类的网络异常检测系统实现方案 | 第56-68页 |
5.1 引言 | 第56页 |
5.2 基于特征选择和聚类的网络异常检测系统实现方案 | 第56-61页 |
5.2.1 数据采集模块实现方案 | 第57-58页 |
5.2.2 数据分析模块实现方案 | 第58-59页 |
5.2.3 特征选择模块实现方案 | 第59-60页 |
5.2.4 基于 Hi-WAP 的异常检测模块实现方案 | 第60-61页 |
5.3 系统方案测试 | 第61-66页 |
5.3.1 测试环境和资源配置 | 第61页 |
5.3.2 检测率测试 | 第61-64页 |
5.3.3 误报率测试 | 第64-65页 |
5.3.5 测试总结 | 第65-66页 |
5.4 系统在高可信业务管控系统中的部署方案 | 第66页 |
5.5 本章小结 | 第66-68页 |
结束语 | 第68-70页 |
参考文献 | 第70-73页 |
作者简历 攻读硕士学位期间完成的主要工作 | 第73-74页 |
致谢 | 第74页 |