| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9页 |
| 附表索引 | 第9-10页 |
| 第1章 绪论 | 第10-13页 |
| ·课题研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的主要研究内容及组织结构 | 第12-13页 |
| ·本文的工作 | 第12页 |
| ·本论文的组织结构 | 第12-13页 |
| 第2章 入侵检测技术 | 第13-26页 |
| ·入侵 | 第13-17页 |
| ·入侵和入侵者 | 第13页 |
| ·入侵的分类 | 第13-14页 |
| ·入侵的攻击手段 | 第14-16页 |
| ·入侵的步骤 | 第16-17页 |
| ·入侵检测的定义及其发展趋势 | 第17-18页 |
| ·入侵检测的定义 | 第17页 |
| ·入侵检测的发展趋势 | 第17-18页 |
| ·入侵检测系统的体系结构 | 第18-19页 |
| ·入侵检测系统的分类 | 第19-20页 |
| ·基于主机的入侵检测 | 第19页 |
| ·基于网络的入侵检测 | 第19-20页 |
| ·混合分布式入侵检测 | 第20页 |
| ·入侵检测的主要方法与技术 | 第20-25页 |
| ·入侵检测的主要方法 | 第20-21页 |
| ·入侵检测技术 | 第21-25页 |
| ·误用检测中的主要技术 | 第21-23页 |
| ·异常检测中的主要技术 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第3章 粗糙集理论及对网络数据的约简 | 第26-37页 |
| ·引言 | 第26-27页 |
| ·信息表知识表达系统 | 第27-29页 |
| ·知识的分类概念 | 第27-28页 |
| ·信息表知识表达系统和决策表 | 第28-29页 |
| ·粗糙集基础 | 第29-34页 |
| ·基本概念 | 第29-30页 |
| ·粗糙度与分类质量 | 第30-31页 |
| ·核与约简 | 第31-34页 |
| ·粗糙集理论的扩展模型 | 第34-36页 |
| ·可变精度模型 | 第34-35页 |
| ·相似模型 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 Adaboost算法及改进 | 第37-53页 |
| ·基本概念 | 第37-38页 |
| ·Bagging算法 | 第38-39页 |
| ·Boosting算法 | 第39-40页 |
| ·Adaboost算法基本思想 | 第40-47页 |
| ·弱分类器的训练方法 | 第42-44页 |
| ·弱分类器的设计 | 第44-45页 |
| ·强分类器的设计 | 第45页 |
| ·形变的Adaboost算法 | 第45-47页 |
| ·泛化错误分析 | 第47-49页 |
| ·泛化错误一致收敛的理论保证 | 第47-48页 |
| ·Adaboost算法误差的分析 | 第48-49页 |
| ·Aboost算法的改进 | 第49-51页 |
| ·小结 | 第51-53页 |
| 第5章 基于RS_Adaboost的入侵检测模型及实验 | 第53-72页 |
| ·基于RS_Adaboost的入侵检测流程 | 第53-66页 |
| ·网络数据获取模块 | 第53-60页 |
| ·捕获模块 | 第54-57页 |
| ·数据包的解析 | 第57-60页 |
| ·数据预处理/特征提取模块 | 第60-61页 |
| ·RS约简 | 第61-66页 |
| ·数据标准化 | 第61-62页 |
| ·实值属性离散化 | 第62-66页 |
| ·Adaboost分类检测 | 第66页 |
| ·仿真实验 | 第66-71页 |
| ·实验平台 | 第66-67页 |
| ·实验数据介绍 | 第67-70页 |
| ·实验及实验结果分析 | 第70-71页 |
| ·小结 | 第71-72页 |
| 总结与展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第78页 |