基于模式识别的入侵检测系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·论文的选题背景及意义 | 第8-13页 |
| ·引言 | 第8-10页 |
| ·入侵检测的发展及研究现状 | 第10-13页 |
| ·论文的研究内容和组织结构 | 第13-15页 |
| 第二章 入侵检测系统概述 | 第15-23页 |
| ·入侵检测系统的定义 | 第15-16页 |
| ·入侵检测系统的分类 | 第16-17页 |
| ·入侵检测系统的标准化 | 第17-19页 |
| ·模型标准化 | 第17-19页 |
| ·信息交换标准化 | 第19页 |
| ·入侵检测系统存在的问题 | 第19-21页 |
| ·入侵检测系统的发展方向 | 第21-23页 |
| 第三章 基于模式识别的入侵检测系统 | 第23-38页 |
| ·模式识别与入侵检测 | 第23-24页 |
| ·数据维数约减的方法 | 第24-29页 |
| ·线性数据维数约减方法 | 第24-26页 |
| ·非线性数据维数约减方法 | 第26-27页 |
| ·等距映射算法ISOMAP | 第27-29页 |
| ·径向基函数神经网络 | 第29-33页 |
| ·RBF 神经网络常用的学习方法 | 第29-31页 |
| ·RBF 神经网络算法 | 第31-33页 |
| ·AdaBoost 算法 | 第33-38页 |
| ·PAC 学习模型 | 第33-34页 |
| ·Adaboost 算法介绍 | 第34-35页 |
| ·AdaBoost 算法的训练误差及其收敛性分析 | 第35-36页 |
| ·AdaBoost 的推广性误差分析 | 第36-38页 |
| 第四章 基于模式识别入侵检测系统的设计与实现 | 第38-55页 |
| ·基于模式识别的入侵检测系统模型 | 第38-39页 |
| ·数据采集模块 | 第39-42页 |
| ·数据捕获工具Winpcap | 第39-41页 |
| ·数据采集模块的实现 | 第41-42页 |
| ·数据预处理模块 | 第42-46页 |
| ·综合分类器模块的设计 | 第46-50页 |
| ·响应模块的设计 | 第50-55页 |
| ·响应常用的技术 | 第50-51页 |
| ·响应的类型 | 第51-53页 |
| ·响应措施 | 第53-55页 |
| 第五章 入侵检测系统的性能测试 | 第55-60页 |
| ·入侵检测系统性能评估参数 | 第55页 |
| ·实验数据集的描述 | 第55-57页 |
| ·实验数据准备 | 第57-58页 |
| ·实验结果与分析 | 第58-60页 |
| 第六章 结束语 | 第60-62页 |
| ·论文工作总结 | 第60-61页 |
| ·今后工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 在学期间发表的学术论文和参加科研情况 | 第67页 |
