在线自适应网络异常检测系统模型与相关算法研究--Model and Algotithms
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 引言 | 第13-24页 |
| ·网络应用面临的安全威胁 | 第13-15页 |
| ·网络安全的概念及相关技术 | 第15-16页 |
| ·入侵检测系统及其研究的意义 | 第16-21页 |
| ·入侵检测系统分类 | 第17-20页 |
| ·入侵检测技术的评估标准 | 第20-21页 |
| ·当前入侵检测系统的不足与研究的必要性 | 第21页 |
| ·论文主要研究内容与结构安排 | 第21-24页 |
| 2 入侵检测相关工作 | 第24-38页 |
| ·入侵检测发展史 | 第24-29页 |
| ·网络异常检测主要方法 | 第29-34页 |
| ·概率统计分析方法 | 第30-31页 |
| ·数据挖掘方法 | 第31-32页 |
| ·生物系统模拟方法 | 第32-34页 |
| ·误用检测和异常检测技术的结合 | 第34-37页 |
| ·小结 | 第37-38页 |
| 3 在线自适应异常检测系统模型 | 第38-47页 |
| ·系统模型 | 第38-40页 |
| ·模式的表示 | 第40-43页 |
| ·数据空间网格划分 | 第40-42页 |
| ·模式的表示 | 第42-43页 |
| ·系统工作机制 | 第43-46页 |
| ·对正常数据的处理流程 | 第45页 |
| ·对异常数据的处理流程 | 第45-46页 |
| ·小结 | 第46-47页 |
| 4 基于模式影响度的异常检测算法 | 第47-64页 |
| ·影响函数 | 第47-50页 |
| ·基于模式影响度的异常检测算法 | 第50-54页 |
| ·实验与结果分析 | 第54-63页 |
| ·实验数据介绍 | 第54-55页 |
| ·实验过程 | 第55页 |
| ·数据空间划分 | 第55-57页 |
| ·实验结果与分析 | 第57-63页 |
| ·小结 | 第63-64页 |
| 5 基于网格的半监督聚类算法k-Cubes | 第64-74页 |
| ·聚类分析 | 第64-66页 |
| ·基于网格的半监督聚类算法k-Cubes | 第66-72页 |
| ·k-Cubes聚类算法 | 第67-69页 |
| ·半监督k-Cubes聚类算法 | 第69-72页 |
| ·检测规则的生成 | 第72页 |
| ·实验与结果分析 | 第72-73页 |
| ·小结 | 第73-74页 |
| 6 基于有监督ISODATA聚类的网络入侵检测 | 第74-82页 |
| ·ISODATA聚类算法 | 第74-77页 |
| ·基于有监督ISODATA聚类的异常检测算法 | 第77-81页 |
| ·实验与结果分析 | 第81页 |
| ·小结 | 第81-82页 |
| 7 系统验证原型 | 第82-90页 |
| ·系统部署 | 第82-83页 |
| ·属性选择 | 第83-84页 |
| ·决策算法 | 第84-85页 |
| ·运行效果 | 第85-89页 |
| ·小结 | 第89-90页 |
| 8 结论 | 第90-93页 |
| ·本文工作总结 | 第90-91页 |
| ·进一步的工作 | 第91-93页 |
| 参考文献 | 第93-104页 |
| 附录A KDD99入侵检测数据集 | 第104-107页 |
| 附录B 有监督的ISODATA聚类结果 | 第107-114页 |
| 索引 | 第114-116页 |
| 作者简历 | 第116-118页 |
| 学位论文数据集 | 第118页 |
