| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·论文研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·主要研究内容与本人所做工作 | 第11页 |
| ·论文创新点 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第2章 基本理论知识 | 第13-33页 |
| ·入侵检测技术概述 | 第13-23页 |
| ·入侵检测系统概念 | 第13-14页 |
| ·入侵检测系统分类 | 第14-16页 |
| ·入侵检测方法分类 | 第16-18页 |
| ·入侵检测系统模型 | 第18-19页 |
| ·入侵检测系统的典型部署 | 第19页 |
| ·入侵检测系统的评估指标 | 第19-22页 |
| ·当前入侵检测系统存在的问题 | 第22页 |
| ·入侵检测系统未来发展方向 | 第22-23页 |
| ·基于聚类的入侵检测技术 | 第23-28页 |
| ·聚类概述 | 第23-25页 |
| ·聚类算法分类 | 第25-26页 |
| ·常用的聚类算法 | 第26-27页 |
| ·基于聚类算法的入侵检测 | 第27-28页 |
| ·集成入侵检测模型 | 第28-32页 |
| ·集成入侵检测的概念 | 第28页 |
| ·常用的机器学习算法 | 第28-30页 |
| ·集成入侵检测模型 | 第30-32页 |
| ·本章小节 | 第32-33页 |
| 第3章 FRS-FCM算法 | 第33-41页 |
| ·FCM算法 | 第33-35页 |
| ·聚类相似度准则 | 第33-34页 |
| ·FCM算法聚类过程 | 第34-35页 |
| ·模糊粗糙集 | 第35-36页 |
| ·模糊粗糙集的概念 | 第35页 |
| ·属性约简 | 第35-36页 |
| ·RELIEFF技术 | 第36-37页 |
| ·FRS-FCM算法 | 第37-40页 |
| ·基于模糊粗糙集的模糊隶属度矩阵 | 第37-38页 |
| ·相异匹配测度 | 第38页 |
| ·基于特征加权的线性组合距离 | 第38-39页 |
| ·FRS-FCM算法聚类过程 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 一种基于FRS-FCM算法的集成入侵检测方法 | 第41-49页 |
| ·相关定义 | 第41-43页 |
| ·基于KDD CUP数据集的攻击特征 | 第41-42页 |
| ·数据记录到攻击类型的映射 | 第42页 |
| ·基于机器学习算法的分类器检测结果 | 第42页 |
| ·攻击逻辑值 | 第42-43页 |
| ·检测结果加权集成 | 第43页 |
| ·一种基于FRS-FCM算法的集成入侵检测方法 | 第43-46页 |
| ·一种基于FRS-FCM算法的集成入侵检测方法的思想 | 第43-45页 |
| ·一种基于FRS-FCM算法的集成入侵检测方法的检测过程 | 第45页 |
| ·子分类器权值确定机制 | 第45-46页 |
| ·一种基于FRS-FCM算法的集成入侵检测方法的算法描述 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 仿真实验与分析 | 第49-59页 |
| ·实验环境 | 第49页 |
| ·实验数据集 | 第49-52页 |
| ·KDD CUP 1999数据集主要构成 | 第49页 |
| ·KDD CUP 1999数据集特征及分类 | 第49-51页 |
| ·KDD CUP 1999数据集攻击类型及分类 | 第51-52页 |
| ·基于FRS-FCM算法的集成入侵检测过程 | 第52-58页 |
| ·训练过程 | 第53-54页 |
| ·测试过程 | 第54-58页 |
| ·实验结果对比分析 | 第58-59页 |
| ·实验结果对比 | 第58页 |
| ·实验结果分析 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻研期间发表的论文及参加的课题 | 第67页 |
