| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 入侵检测相关研究现状 | 第9-11页 |
| 1.2.2 数据流挖掘相关研究现状 | 第11-12页 |
| 1.3 论文组织架构 | 第12-14页 |
| 第二章 数据流相关问题 | 第14-25页 |
| 2.1 数据流相关概念 | 第14-19页 |
| 2.1.1 数据流的定义 | 第14页 |
| 2.1.2 数据流的特征 | 第14-15页 |
| 2.1.3 数据流聚类 | 第15-17页 |
| 2.1.4 数据流分类 | 第17-18页 |
| 2.1.5 数据流的应用环境 | 第18-19页 |
| 2.2 数据流与数据集挖掘算法的区别和联系 | 第19-22页 |
| 2.2.1 数据流与数据集挖掘算法的区别 | 第19-21页 |
| 2.2.2 数据流与数据集挖掘算法的联系 | 第21-22页 |
| 2.3 数据流挖掘常用工具 | 第22-24页 |
| 2.3.1 数据挖掘工具WEKA | 第22-23页 |
| 2.3.2 数据流挖掘工具MOA | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于数据流聚类的异常检测模型 | 第25-39页 |
| 3.1 数据流聚类的特点 | 第25-26页 |
| 3.2 异常检测模型设计 | 第26-31页 |
| 3.2.1 微簇结构设计 | 第27-28页 |
| 3.2.2 在线聚类模块设计 | 第28-29页 |
| 3.2.3 离线检测模块设计 | 第29-30页 |
| 3.2.4 异常检测算法设计 | 第30-31页 |
| 3.3 实验验证 | 第31-38页 |
| 3.3.1 在线模块测试 | 第31-34页 |
| 3.3.2 离线模块测试 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于不精确概率的异常检测算法 | 第39-57页 |
| 4.1 数据流分类算法Hoeffding Tree | 第39-42页 |
| 4.2 不精确概率异常检测算法 | 第42-49页 |
| 4.2.1 CREDAL集合与DEMPSTER-SHAFER证据理论 | 第43-44页 |
| 4.2.2 概率区间与不精确狄利克雷模型 | 第44-45页 |
| 4.2.3 信息增益与不精确信息增益 | 第45-48页 |
| 4.2.4 改进的异常检测算法 | 第48-49页 |
| 4.3 实验验证 | 第49-55页 |
| 4.3.1 不精确信息增益效果测试 | 第49-51页 |
| 4.3.2 改进的异常检测算法测试 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简介 | 第63页 |