| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 IDS在国内外的研究现状 | 第8-9页 |
| 1.2.2 分布式框架下的关联挖掘技术在国内外研究现状 | 第9-10页 |
| 1.3 论文主要工作 | 第10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 2 相关技术介绍 | 第12-28页 |
| 2.1 Hadoop框架 | 第12页 |
| 2.2 Map Reduce模型 | 第12-18页 |
| 2.2.1 Map Reduce模型概述 | 第12-13页 |
| 2.2.2 Map Reduce工作机制 | 第13-17页 |
| 2.2.3 任务执行环境 | 第17-18页 |
| 2.3 HDFS分布式文件系统 | 第18-22页 |
| 2.3.1 HDFS基本框架 | 第18-19页 |
| 2.3.2 HDFS工作流程 | 第19-21页 |
| 2.3.3 HDFS优缺点 | 第21-22页 |
| 2.4 入侵检测系统 | 第22-27页 |
| 2.4.1 入侵检测系统概述 | 第22页 |
| 2.4.2 入侵检测系统原理 | 第22-24页 |
| 2.4.3 入侵检测系统分类 | 第24-25页 |
| 2.4.4 Snort入侵检测系统 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于Map Reducce频繁项集挖掘算法的Snort-IDS的架构 | 第28-36页 |
| 3.1 Snort-IDS的缺陷 | 第28页 |
| 3.2 基于Map Reducce频繁项集挖掘算法的Snort-IDS的设计 | 第28-29页 |
| 3.3 核心功能模块设计 | 第29-34页 |
| 3.3.1 数据提取模块 | 第29-30页 |
| 3.3.2 引擎检测模块 | 第30-32页 |
| 3.3.3 动态规则生成模块 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 Map Reduce频繁项集挖掘算法与Map Reduce优化模型的实现 | 第36-50页 |
| 4.1 Map Reduce化的频繁项集挖掘算法 | 第36-43页 |
| 4.1.1 频繁项集挖掘算法 | 第36-37页 |
| 4.1.2 Map Reduce化的频繁项集挖掘算法设计思路 | 第37-39页 |
| 4.1.3 Map Reduce化的频繁项集挖掘算法实现 | 第39-41页 |
| 4.1.4 Map Reduce化的频繁项集挖掘算法实例分析 | 第41-43页 |
| 4.2 动态自适应Map Reduce模型实现 | 第43-48页 |
| 4.2.1 传统Map Reduce模型缺点 | 第43-44页 |
| 4.2.2 动态自适应Map Reduce计算模型设计思路 | 第44-45页 |
| 4.2.3 动态自适应Map Reduce计算模型实现流程 | 第45-46页 |
| 4.2.4 动态自适应Map Reduce计算模型实现机制 | 第46-47页 |
| 4.2.5 动态自适应Map Reduce计算模型实例分析 | 第47-48页 |
| 4.3 本章小结 | 第48-50页 |
| 5 实验设计与分析 | 第50-56页 |
| 5.1 实验环境搭建 | 第50-51页 |
| 5.1.1 硬件环境 | 第50页 |
| 5.1.2 软件环境 | 第50-51页 |
| 5.2 实验数据准备 | 第51-52页 |
| 5.3 实验结果及分析 | 第52-54页 |
| 5.3.1 运算效率对比分析 | 第52-53页 |
| 5.3.2 运行结果分析 | 第53-54页 |
| 5.4 本章小结 | 第54-56页 |
| 6 结论 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-62页 |
