| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-10页 |
| 1.3 本文的研究内容 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 相关基础理论和关键技术 | 第12-23页 |
| 2.1 云计算概述 | 第12-15页 |
| 2.1.1 云计算概念和特征 | 第12-13页 |
| 2.1.2 云计算体系结构 | 第13-14页 |
| 2.1.3 云计算应用服务 | 第14-15页 |
| 2.2 HADOOP 云平台简介 | 第15-18页 |
| 2.2.1 HADOOP 技术架构 | 第15-17页 |
| 2.2.2 HADOOP 实现流程 | 第17-18页 |
| 2.3 入侵检测系统概述 | 第18-22页 |
| 2.3.1 入侵检测系统的发展过程 | 第19-20页 |
| 2.3.2 主要的入侵检测方法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于云计算的入侵检测系统的设计 | 第23-33页 |
| 3.1 云计算的安全问题 | 第23-25页 |
| 3.1.1 云计算主要的安全威胁 | 第23-25页 |
| 3.1.2 云计算入侵检测系统的安全需求 | 第25页 |
| 3.2 云计算环境下的入侵检测的设计 | 第25-32页 |
| 3.2.1 IDS 管理模块和系统管理模块 | 第27-29页 |
| 3.2.2 数据采集预处理模块 | 第29-31页 |
| 3.2.3 检测分析模块 | 第31页 |
| 3.2.4 容侵模块 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 CIDS 中异常检测算法（PPKM） | 第33-51页 |
| 4.1 主成份 PCA 的特征提取 | 第33-35页 |
| 4.2 粒子群优化(PSO)技术 | 第35-39页 |
| 4.2.1 基本粒子群原理 | 第35-37页 |
| 4.2.2 标准粒子群 | 第37-38页 |
| 4.2.3 粒子群优化的应用 | 第38-39页 |
| 4.3 基于粒子群优化的 K-MEANS 聚类算法设计（PSO-KM） | 第39-42页 |
| 4.3.1 K-MEANS 聚类 | 第39-40页 |
| 4.3.2 PSO-KM 算法过程 | 第40-42页 |
| 4.4 仿真实验 | 第42-50页 |
| 4.4.1 实验数据 | 第42-46页 |
| 4.4.2 仿真结果和分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 PPKM 算法在 HADOOP 云平台上的实验 | 第51-60页 |
| 5.1 HADOOP 实验环境 | 第51页 |
| 5.2 搭建 HADOOP 平台 | 第51-53页 |
| 5.3 PPKM 算法的 MAPREDUCE 并行化 | 第53-55页 |
| 5.3.1 主成份分析 PCA 的并行化设计 | 第53-54页 |
| 5.3.2 PSO-KM 的并行化设计 | 第54-55页 |
| 5.4 实验结果及分析 | 第55-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 致谢 | 第65页 |
