| 提要 | 第4-5页 |
| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究现状与意义 | 第15-17页 |
| 1.2.1 入侵检测原理 | 第15-16页 |
| 1.2.2 入侵检测系统分类 | 第16页 |
| 1.2.3 入侵检测系统模型 | 第16-17页 |
| 1.2.4 现有入侵检测技术不足 | 第17页 |
| 1.3 本文的结构组织 | 第17-19页 |
| 第2章 聚类和支持向量机相关 | 第19-24页 |
| 2.1 聚类相关理论 | 第19-21页 |
| 2.1.1 聚类概念 | 第19-20页 |
| 2.1.2 典型聚类算法分类 | 第20-21页 |
| 2.1.3 聚类算法的典型应用 | 第21页 |
| 2.2 支持向量机相关理论 | 第21-23页 |
| 2.2.1 支持向量机概念 | 第21-22页 |
| 2.2.2 分类超平面 | 第22页 |
| 2.2.3 核函数 | 第22页 |
| 2.2.4 支持向量机方法分类 | 第22-23页 |
| 2.2.5 支持向量机方法的典型应用 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 针对网络入侵领域的聚类和支持向量机方法及入侵检测数据集研究分析 | 第24-31页 |
| 3.1 聚类和支持向量机在网络入侵领域的应用 | 第24-25页 |
| 3.1.1 聚类在入侵检测领域的应用 | 第24-25页 |
| 3.1.2 支持向量机在入侵检测领域的应用 | 第25页 |
| 3.2 入侵检测数据集研究分析 | 第25-30页 |
| 3.2.1 KDD99数据集分析 | 第25-27页 |
| 3.2.2 典型攻击分类 | 第27-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于聚类和支持向量机的入侵异常检测方法研究与实现 | 第31-50页 |
| 4.1 基于聚类和支持向量机的入侵异常检测模型 | 第31-32页 |
| 4.2 基于聚类和支持向量机的入侵异常检测方法 | 第32-38页 |
| 4.2.1 数据预处理阶段 | 第32-34页 |
| 4.2.2 训练阶段 | 第34-37页 |
| 4.2.3 检测阶段 | 第37-38页 |
| 4.3 实验 | 第38-49页 |
| 4.3.1 实验准备 | 第38-39页 |
| 4.3.2 特征选择 | 第39-42页 |
| 4.3.3 参数选择 | 第42-46页 |
| 4.3.4 算法评估 | 第46-48页 |
| 4.3.5 结果分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 1.作者简介 | 第55页 |
| 2.科研成果 | 第55-56页 |
| 致谢 | 第56页 |