摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第10-18页 |
1.1 研究背景及意义 | 第10-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 离群点算法研究现状 | 第12-13页 |
1.2.2 入侵检测系统的发展及研究现状 | 第13-15页 |
1.3 研究内容 | 第15-16页 |
1.4 论文结构安排 | 第16-17页 |
1.5 本章小结 | 第17-18页 |
第2章 基础理论和相关技术 | 第18-32页 |
2.1 入侵检测系统概述 | 第18-22页 |
2.1.1 入侵检测系统的模型 | 第18-19页 |
2.1.2 入侵检测系统的分类 | 第19-21页 |
2.1.3 入侵检测系统的作用 | 第21-22页 |
2.2 数据挖掘技术概述 | 第22-25页 |
2.2.1 数据挖掘的概念 | 第22-23页 |
2.2.2 数据挖掘的数据类型 | 第23页 |
2.2.3 数据挖掘的功能 | 第23-25页 |
2.3 离群点检测技术 | 第25-31页 |
2.3.1 离群点概述 | 第25-26页 |
2.3.2 几种离群点挖掘算法 | 第26-30页 |
2.3.3 离群点挖掘在入侵检测中的应用 | 第30-31页 |
2.4 本章小结 | 第31-32页 |
第3章 改进的基于密度的离群点检测算法 | 第32-42页 |
3.1 基于密度的局部离群点检测算法 | 第32-36页 |
3.1.1 LOF算法 | 第32-34页 |
3.1.2 COF算法 | 第34-36页 |
3.2 LOF算法与COF算法对比分析 | 第36页 |
3.2.1 LOF算法的特点与时间复杂度分析 | 第36页 |
3.2.2 COF算法的特点与时间复杂度分析 | 第36页 |
3.3 改进的基于密度的离群点检测算法MLOF | 第36-40页 |
3.3.1 邻域查询过程优化原则 | 第36-38页 |
3.3.2 邻域查询过程优化的理论证明 | 第38-39页 |
3.3.3 改进算法的运行流程 | 第39-40页 |
3.4 本章小结 | 第40-42页 |
第4章 入侵检测仿真实验和结果分析 | 第42-54页 |
4.1 实验数据集KDD CUP99的研究 | 第42-46页 |
4.2 实验准备及数据的预处理 | 第46-48页 |
4.2.1 数据清理 | 第46-47页 |
4.2.2 数据标准化 | 第47-48页 |
4.3 参数k与阈值的选取 | 第48-51页 |
4.3.1 参数k的研究与选取 | 第48-50页 |
4.3.2 阈值ε的研究与选取 | 第50-51页 |
4.4 基于密度的离群点挖掘算法在入侵检测中的应用 | 第51-53页 |
4.4.1 离群点挖掘算法伪代码 | 第51页 |
4.4.2 对比实验和结果分析 | 第51-52页 |
4.4.3 检测效率分析 | 第52-53页 |
4.5 本章小结 | 第53-54页 |
第5章 总结与展望 | 第54-56页 |
5.1 论文工作总结 | 第54页 |
5.2 下一步的研究工作 | 第54-56页 |
参考文献 | 第56-60页 |
致谢 | 第60页 |