数据挖掘算法在入侵检测中的分析及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 1 绪论 | 第12-17页 |
| ·课题背景 | 第12-13页 |
| ·网络安全现状 | 第12-13页 |
| ·网络安全技术 | 第13页 |
| ·入侵检测的必要性和研究现状 | 第13-15页 |
| ·入侵检测的必要性 | 第13-14页 |
| ·入侵检测的研究现状 | 第14-15页 |
| ·课题研究内容 | 第15-16页 |
| ·论文的工作和安排 | 第16-17页 |
| 2 入侵检测概述 | 第17-20页 |
| ·入侵检测概念 | 第17页 |
| ·入侵检测系统结构 | 第17页 |
| ·入侵检测系统分类 | 第17-18页 |
| ·检测技术 | 第17-18页 |
| ·系统监控对象 | 第18页 |
| ·入侵检测系统的问题及发展趋势 | 第18-20页 |
| ·入侵检测系统的主要问题 | 第18-19页 |
| ·入侵检测技术的发展方向 | 第19-20页 |
| 3 特征提取与选择算法 | 第20-28页 |
| ·主成分分析算法 | 第20-22页 |
| ·主成分分析算法原理 | 第20页 |
| ·主成分分析算法计算过程 | 第20-22页 |
| ·独立成分分析算法 | 第22-27页 |
| ·独立成分分析算法简介 | 第22-23页 |
| ·独立成分分析算法原理 | 第23-26页 |
| ·独立成分分析算法实例 | 第26-27页 |
| ·主成分分析与独立成分分析算法总结 | 第27-28页 |
| 4 分类算法在入侵检测系统中的应用及分析 | 第28-52页 |
| ·KDD Cup 99数据集简介 | 第28-29页 |
| ·KDD Cup 99数据特征描述 | 第29-33页 |
| ·KDD Cup 99数据集样本类别分布表 | 第33-35页 |
| ·基于主成分分析的数据降维分析 | 第35-40页 |
| ·基于独立成分分析的数据特征提取 | 第40-41页 |
| ·各分类算法实验及分析 | 第41-49页 |
| ·贝叶斯分类器 | 第41-43页 |
| ·K-最近邻分类算法 | 第43-45页 |
| ·人工神经网络分类算法 | 第45-48页 |
| ·总结 | 第48-49页 |
| ·加权入侵检测系统模型 | 第49-52页 |
| ·参数设置 | 第49-50页 |
| ·实验结果 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 个人简历、在校期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
