| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-21页 |
| ·网络信息安全的重要性 | 第13页 |
| ·传统的网络安全防御手段和技术的局限性 | 第13-15页 |
| ·网络隔离技术 | 第15-17页 |
| ·网络隔离的技术思路 | 第15页 |
| ·网络隔离技术的发展背景 | 第15-16页 |
| ·网络隔离技术的研究现状 | 第16-17页 |
| ·物理隔离网闸 | 第17-18页 |
| ·物理隔离网闸的技术背景和现状 | 第17-18页 |
| ·物理隔离网闸SGAP 的内容过滤模块 | 第18页 |
| ·论文的研究内容和结构安排 | 第18-21页 |
| 第二章 隔离网闸 SGAP | 第21-27页 |
| ·物理隔离网闸的数据交换原理 | 第21-23页 |
| ·隔离网闸 SGAP 结构体系 | 第23-26页 |
| ·隔离网闸 SGAP 的系统逻辑结构 | 第23-24页 |
| ·SGAP 的软件协议栈结构 | 第24-25页 |
| ·隔离网闸SGAP 传输协议模型 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 文本过滤的基本知识 | 第27-55页 |
| ·文本过滤技术 | 第27-29页 |
| ·文本过滤系统的类型 | 第27-28页 |
| ·文本过滤的基本原理 | 第28-29页 |
| ·文本的预处理 | 第29-34页 |
| ·英文 Stemming | 第29-30页 |
| ·中文的自动分词 | 第30页 |
| ·多模式匹配算法 | 第30-34页 |
| ·文本的表达（TEXT REPRESENTATION） | 第34-37页 |
| ·布尔模型 | 第34页 |
| ·概率模型 | 第34-35页 |
| ·向量空间模型（VSM） | 第35-37页 |
| ·文本特征选择(FEATURE SELECTION) | 第37-43页 |
| ·文本特征选择的特点 | 第38页 |
| ·基于Filter 的特征选择方法 | 第38-41页 |
| ·基于粗糙集的特征选择方法 | 第41-43页 |
| ·特征项权重 | 第43-45页 |
| ·文本过滤算法 | 第45-51页 |
| ·传统贝叶斯（Naive Bayes）算法 | 第45-46页 |
| ·支持向量机(Support Vector Machines , SVMs) | 第46-49页 |
| ·K 个最近邻法(K-Nearest Neighbor, KNN) | 第49页 |
| ·向量空间模型法(VSM) | 第49-50页 |
| ·神经网络法(NNet) | 第50页 |
| ·文本分类方法总结 | 第50-51页 |
| ·文本聚类技术 | 第51-54页 |
| ·文本聚类过程 | 第51-52页 |
| ·文本聚类的方法 | 第52页 |
| ·文本聚类的算法 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 隔离网闸 SGAP 的智能文本过滤方案 | 第55-66页 |
| ·SGAP 的安全功能引擎 | 第55-57页 |
| ·智能文本过滤方案 | 第57-64页 |
| ·文本预处理模块 | 第59-63页 |
| ·混合特征选择 | 第63页 |
| ·过滤引擎 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第五章 混合特征选择和改进的 KNN 过滤算法 | 第66-78页 |
| ·混合特征选择方法 | 第66-72页 |
| ·初步特征选择 | 第67页 |
| ·向量权重及归一化计算 | 第67-68页 |
| ·决策表构建和离散 | 第68-69页 |
| ·二次特征选择 | 第69-71页 |
| ·实验和结果 | 第71-72页 |
| ·改进的KNN 算法 | 第72-77页 |
| ·传统KNN 算法 | 第72-74页 |
| ·改进的KNN 算法 | 第74-75页 |
| ·实验和结果 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 全文总结 | 第78-80页 |
| ·论文工作 | 第78页 |
| ·工作展望 | 第78-80页 |
| 参考文献 | 第80-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间已发表或录用的论文 | 第83页 |
