蚁群聚类算法的研究及应用于入侵检测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·研究内容与创新 | 第12-13页 |
| ·文章组织结构 | 第13-14页 |
| 第2章 基于聚类算法的入侵检测 | 第14-27页 |
| ·入侵检测技术概要 | 第14-19页 |
| ·入侵检测系统的概念及作用 | 第14-15页 |
| ·入侵检测系统原理及工作模式 | 第15-16页 |
| ·入侵检测系统的分类 | 第16-19页 |
| ·聚类分析基本理论 | 第19-22页 |
| ·聚类分析基本概念 | 第19页 |
| ·相异度处理方法 | 第19-21页 |
| ·聚类方法介绍 | 第21-22页 |
| ·入侵检测中的聚类技术 | 第22-26页 |
| ·入侵检测与聚类算法结合的可行性和要求 | 第22-23页 |
| ·聚类分析应用于入侵检测基本思想 | 第23页 |
| ·使用聚类分析进行入侵检测的主要过程 | 第23-25页 |
| ·入侵检测技术存在的问题 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 蚁群算法基本理论 | 第27-37页 |
| ·蚁群算法基本原理 | 第27-33页 |
| ·基本蚁群算法的机制原理 | 第27-28页 |
| ·基本蚁群算法的数学模型 | 第28-30页 |
| ·基本蚁群算法步骤与流程 | 第30-32页 |
| ·基本蚁群算法的特征 | 第32页 |
| ·基本蚁群算法优缺点 | 第32-33页 |
| ·基于蚁群的聚类算法 | 第33-36页 |
| ·基于蚂蚁觅食的蚁群聚类算法 | 第33-34页 |
| ·基于蚁堆形成的蚁群聚类算法 | 第34-35页 |
| ·基于蚂蚁自我聚集的聚类算法 | 第35页 |
| ·基于化学识别系统的聚类算法 | 第35-36页 |
| ·聚类算法比较 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第4章 改进算法及仿真 | 第37-54页 |
| ·基于反馈的蚁群聚类算法 | 第37-46页 |
| ·BM模型及其流程 | 第37-39页 |
| ·基于信息素反馈的蚁群聚类算法(APACCA) | 第39-41页 |
| ·基于时间反馈的蚁群聚类算法(ATACCA) | 第41-43页 |
| ·模糊C均值聚类算法 | 第43-44页 |
| ·改进蚁群模糊C均值聚类算法 | 第44-46页 |
| ·实验仿真 | 第46-53页 |
| ·仿真数据集简介 | 第46-47页 |
| ·仿真过程与结果 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 Snort入侵检测系统搭建 | 第54-61页 |
| ·Snort系统简介 | 第54-59页 |
| ·Snort整体结构 | 第54-55页 |
| ·Snort在网络层次模型中的位置 | 第55页 |
| ·改进的Snort检测系统原理和搭建 | 第55-57页 |
| ·Snort系统搭建 | 第57-59页 |
| ·测试结果 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·论文的主要工作 | 第61-62页 |
| ·进一步努力的方向 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
