基于加权SVM的工业控制网络入侵检测算法研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.2 工业控制网络安全与入侵检测 | 第14-16页 |
| 1.2.1 工控系统结构及脆弱性分析 | 第14-15页 |
| 1.2.2 工业控制网络的入侵检测技术 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.3.1 工控网络系统安全的研究现状 | 第16-17页 |
| 1.3.2 工控网络入侵检测的研究现状 | 第17-18页 |
| 1.4 本文研究内容与组织结构 | 第18-20页 |
| 第2章 通信行为的流量数据解析 | 第20-30页 |
| 2.1 Modbus/TCP工业控制网络 | 第20-21页 |
| 2.2 通信协议的安全性及典型攻击行为 | 第21-24页 |
| 2.2.1 Modbus/TCP协议及安全性分析 | 第21-23页 |
| 2.2.2 Modbus/TCP典型攻击行为 | 第23-24页 |
| 2.3 Modbus/TCP通信流量数据 | 第24-29页 |
| 2.3.1 仿真实验环境 | 第24-26页 |
| 2.3.2 通信流量数据解析 | 第26-27页 |
| 2.3.3 通信行为数据信息提取 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 入侵检测的数据预处理 | 第30-41页 |
| 3.1 基于异常行为模式的特征提取方法 | 第30-33页 |
| 3.1.1 入侵检测的特征选择 | 第31-32页 |
| 3.1.2 入侵检测的特征构造 | 第32-33页 |
| 3.2 基于RST算法的检测特征属性约简 | 第33-36页 |
| 3.2.1 粗糙集理论（RST）算法的应用 | 第34页 |
| 3.2.2 基于决策表的检测特征属性约简算法 | 第34-36页 |
| 3.3 数据预处理方法的测试与验证 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于加权SVM的入侵检测算法 | 第41-60页 |
| 4.1 工控网络入侵检测算法的特殊性要求 | 第41-43页 |
| 4.2 支持向量机的入侵检测算法应用 | 第43-51页 |
| 4.2.1 支持向量机的基本原理 | 第43-46页 |
| 4.2.2 标准C-SVM算法 | 第46-47页 |
| 4.2.3 加权C-SVM算法 | 第47-50页 |
| 4.2.4 支持向量机算法的入侵检测优势 | 第50-51页 |
| 4.3 基于加权SVM的工控网络入侵检测模型 | 第51-54页 |
| 4.3.1 基于通信行为的数据类和样本加权方法 | 第51-52页 |
| 4.3.2 基于加权SVM算法的入侵检测建模 | 第52-54页 |
| 4.4 实验测试与数据分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 入侵检测模型的参数优化 | 第60-69页 |
| 5.1 加权SVM入侵检测模型的优化参数 | 第60-61页 |
| 5.2 基于改进PSO的参数优化方法 | 第61-65页 |
| 5.2.1 PSO优化算法原理 | 第61-63页 |
| 5.2.2 改进的PSO优化算法 | 第63-64页 |
| 5.2.3 基于改进PSO的入侵检测模型优化 | 第64-65页 |
| 5.3 检测模型参数优化方法的测试与验证 | 第65-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78-79页 |
