聚类算法在入侵检测中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景和意义 | 第11-12页 |
| ·现状及其研究方向 | 第12-13页 |
| ·本论文组织结构及内容 | 第13-15页 |
| 第二章 数据聚类算法 | 第15-26页 |
| ·无监督聚类方法 | 第15-16页 |
| ·无监督聚类算法研究 | 第15页 |
| ·无监督聚类算法研究的现状及展望 | 第15-16页 |
| ·聚类分析 | 第16-18页 |
| ·聚类的数学定义 | 第16页 |
| ·聚类的相异度度量 | 第16-18页 |
| ·传统聚类算法 | 第18-21页 |
| ·基于划分的方法 | 第18-19页 |
| ·基于密度的方法 | 第19页 |
| ·基于层次的方法 | 第19-20页 |
| ·基于网格的方法 | 第20-21页 |
| ·基于模型的方法 | 第21页 |
| ·基于免疫原理的聚类算法 | 第21-23页 |
| ·基于群体的免疫聚类算法 | 第21-22页 |
| ·基于免疫网络的聚类算法 | 第22-23页 |
| ·聚类算法在入侵检测中的应用 | 第23-26页 |
| ·应用于入侵检测的聚类算法的要求 | 第23页 |
| ·聚类算法与入侵检测结合的可行性分析 | 第23-26页 |
| 第三章 入侵检测 | 第26-32页 |
| ·入侵检测的相关概念及功能 | 第26-28页 |
| ·入侵检测的相关概念 | 第26页 |
| ·入侵检测系统的功能 | 第26-28页 |
| ·入侵检测的方法 | 第28-30页 |
| ·误用检测方法 | 第28页 |
| ·异常检测方法 | 第28-29页 |
| ·混合检测方法 | 第29-30页 |
| ·入侵检测系统存在的问题 | 第30-31页 |
| ·入侵检测技术的发展前景 | 第31-32页 |
| 第四章 免疫网络原理概述 | 第32-40页 |
| ·生物免疫系统 | 第32-33页 |
| ·人工免疫系统 | 第33-36页 |
| ·基本原理 | 第33-34页 |
| ·生物免疫系统和人工免疫系统的比较 | 第34-36页 |
| ·免疫算法 | 第36-37页 |
| ·免疫网络模型 | 第37-38页 |
| ·基于独特性网络理论的模型 | 第37-38页 |
| ·资源受限免疫模型 | 第38页 |
| ·aiNet 网络模型 | 第38页 |
| ·免疫网络的发展前景 | 第38-40页 |
| 第五章 增量聚类算法在入侵检测中的应用 | 第40-57页 |
| ·增量聚类算法 | 第40-42页 |
| ·增量聚类的原理 | 第40-41页 |
| ·增量聚类的步骤 | 第41-42页 |
| ·一种基于 aiNet 增量聚类的入侵检测算法 | 第42-49页 |
| ·数据预处理算法 | 第43-45页 |
| ·aiNet 增量聚类算法 | 第45-48页 |
| ·标记类算法 | 第48页 |
| ·入侵检测算法 | 第48-49页 |
| ·数据测试实验 | 第49-57页 |
| ·检测算法的评价标准 | 第49页 |
| ·实验设计 | 第49-50页 |
| ·实验数据的描述 | 第50-52页 |
| ·实验结果及其分析 | 第52-57页 |
| 第六章 总结及展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻硕期间取得的研究成果 | 第64-65页 |
