| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 引言 | 第11-13页 |
| 1 绪论 | 第13-25页 |
| ·课题研究背景 | 第13页 |
| ·计算机犯罪的概念及其特点 | 第13-18页 |
| ·计算机犯罪的概念 | 第13页 |
| ·计算机犯罪的种类 | 第13-15页 |
| ·计算机犯罪的特点 | 第15-17页 |
| ·计算机犯罪的手段 | 第17-18页 |
| ·计算机取证基本概念 | 第18-20页 |
| ·计算机取证的概念 | 第18页 |
| ·计算机取证的目的 | 第18页 |
| ·计算机证据的种类 | 第18-19页 |
| ·计算机取证的原则 | 第19-20页 |
| ·计算机取证的步骤 | 第20页 |
| ·计算机取证的研究现状 | 第20-22页 |
| ·国外研究现状 | 第20-21页 |
| ·国内研究现状 | 第21-22页 |
| ·存在的不足 | 第22页 |
| ·本文的研究研究目的、内容和方法 | 第22-25页 |
| ·研究目的和意义 | 第22-23页 |
| ·主要内容 | 第23页 |
| ·论文的组织结构 | 第23-25页 |
| 2 数据挖掘技术及其在计算机犯罪取证中的应用 | 第25-34页 |
| ·数据挖掘概述 | 第25-27页 |
| ·数据挖掘的概念 | 第25页 |
| ·数据挖掘的任务 | 第25-26页 |
| ·数据挖掘的过程 | 第26-27页 |
| ·数据挖掘算法 | 第27-28页 |
| ·关联分析 | 第27-28页 |
| ·分类分析 | 第28页 |
| ·数据挖掘技术在计算机犯罪取证分析中的应用 | 第28-31页 |
| ·必要性分析 | 第28-29页 |
| ·可行性分析 | 第29-30页 |
| ·具体应用思路 | 第30-31页 |
| ·计算机日志的收集和预处理 | 第31-33页 |
| ·计算机日志简介 | 第31页 |
| ·计算机日志的采集 | 第31-33页 |
| ·结束语 | 第33-34页 |
| 3 分类算法在计算机犯罪行为预测中的应用研究 | 第34-45页 |
| ·决策树 ID3 算法 | 第34-36页 |
| ·ID3 算法的不足 | 第36页 |
| ·ID3 算法的改进 | 第36-37页 |
| ·实验及数据分析 | 第37-42页 |
| ·数据采集 | 第37-38页 |
| ·数据分析 | 第38-42页 |
| ·ID3 算法的核心代码 | 第42-44页 |
| ·结束语 | 第44-45页 |
| 4 关联规则在犯罪行为分析中的应用研究 | 第45-58页 |
| ·关联规则概念 | 第45-46页 |
| ·传统 FPGrowth 算法 | 第46页 |
| ·传统 FPGrowth 算法的不足 | 第46-47页 |
| ·基于新犯罪敏感性的 FPGrowth 的改进算法 | 第47-49页 |
| ·算法改进的主要思想 | 第47-48页 |
| ·改进算法的实验模型 | 第48-49页 |
| ·基于犯罪性质加权的 FPgrowth 改进算法 | 第49-51页 |
| ·算法改进的主要思想 | 第49-50页 |
| ·改进算法的实验模型 | 第50-51页 |
| ·算法的核心代码 | 第51-57页 |
| ·结束语 | 第57-58页 |
| 5 基于数据挖掘的计算机犯罪取证模型 | 第58-64页 |
| ·计算机犯罪取证模型 | 第58-59页 |
| ·数据分析模块架构 | 第59-60页 |
| ·系统开发环境 | 第60页 |
| ·程序运行截图 | 第60-63页 |
| ·结束语 | 第63-64页 |
| 6 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 在学研究成果 | 第69-70页 |
| 致谢 | 第70页 |