基于LS-SVM的入侵检测
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-20页 |
| ·研究背景及意义 | 第8-12页 |
| ·传统的安全技术 | 第8-10页 |
| ·传统安全模型的局限性 | 第10-11页 |
| ·入侵检测的必要性 | 第11-12页 |
| ·入侵检测的基本概念与模型 | 第12页 |
| ·入侵检测技术 | 第12-16页 |
| ·误用检测 | 第13-14页 |
| ·异常检测 | 第14-16页 |
| ·入侵检测的发展与现状 | 第16-17页 |
| ·论文研究的研究内容和结构安排 | 第17-20页 |
| 第二章 基于支持向量机的入侵检测理论基础 | 第20-30页 |
| ·支持向量机 | 第20-22页 |
| ·最小二乘支持向量机 | 第22-27页 |
| ·最小二乘支持向量机的特点及问题 | 第22-23页 |
| ·问题分析 | 第23页 |
| ·最小二乘支持向量机的理论实质 | 第23-27页 |
| ·支持向量机在入侵检测的应用研究 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于LS-SVM的入侵检测模型 | 第30-44页 |
| ·入侵检测CIDF框架 | 第30-33页 |
| ·公共入侵检测框架(CIDF) | 第30页 |
| ·CIDF的体系结构 | 第30-32页 |
| ·CIDF的规范语言 | 第32-33页 |
| ·基于LS-SVM的入侵检测模型 | 第33-35页 |
| ·LS-SVM算法的选择 | 第33页 |
| ·LS-SVM模型的设计 | 第33-35页 |
| ·仿真实验 | 第35-42页 |
| ·入侵检测数据源的选用 | 第35-36页 |
| ·入侵检测数据源预处理 | 第36-38页 |
| ·基于LS-SVM的入侵检测模型验证 | 第38-41页 |
| ·LS-SVM与SVM的比较 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 训练数据的规模选取与特征选择 | 第44-54页 |
| ·入侵检测数据集 | 第44-46页 |
| ·训练数据的预选取 | 第46-50页 |
| ·特征选择 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者读研期间论文成果 | 第62页 |
