基于SVM的入侵检测研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-15页 |
| ·网络安全概况 | 第11页 |
| ·网络安全体系结构 | 第11-12页 |
| ·入侵检测系统简介 | 第12-13页 |
| ·论文研究的内容和意义 | 第13-14页 |
| ·论文的组织与安排 | 第14-15页 |
| 2 入侵检测系统概述 | 第15-22页 |
| ·入侵和入侵检测系统 | 第15页 |
| ·入侵检测系统的组成部分 | 第15-16页 |
| ·入侵检测系统的分类 | 第16-17页 |
| ·入侵检测分析技术及其比较 | 第17-20页 |
| ·异常检测技术 | 第17-18页 |
| ·误用检测技术 | 第18-19页 |
| ·分析技术的比较 | 第19-20页 |
| ·现有入侵检测系统的不足和发展方向 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 支持向量机理论 | 第22-38页 |
| ·统计学习理论 | 第22-26页 |
| ·机器学习的概念 | 第22-23页 |
| ·机器学习的基本学习问题 | 第23页 |
| ·机器学习问题的表示 | 第23-24页 |
| ·泛化性理论 | 第24-26页 |
| ·最优化理论 | 第26页 |
| ·核函数 | 第26-28页 |
| ·支持向量机 | 第28-37页 |
| ·最大间隔原则 | 第29-30页 |
| ·线性可分支持向量分类机 | 第30页 |
| ·线性支持向量分类机 | 第30-32页 |
| ·支持向量分类机 | 第32-33页 |
| ·多类分类问题 | 第33-36页 |
| ·关于支持向量机分类的说明 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 ECOC多类分类方法研究 | 第38-47页 |
| ·概述 | 第38页 |
| ·ECOC方法 | 第38-40页 |
| ·ECOC编码设计 | 第40-42页 |
| ·ECOC多类分类 | 第42-43页 |
| ·基于Hadamard的ECOC | 第43-46页 |
| ·相关概念 | 第43页 |
| ·构造算法 | 第43-44页 |
| ·分类器设计 | 第44-45页 |
| ·多类分类 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于SVM的入侵检测 | 第47-59页 |
| ·基于SVM的入侵检测系统的模型 | 第47-48页 |
| ·数据集和预处理 | 第48-50页 |
| ·实验及结果分析 | 第50-58页 |
| ·实验概述 | 第50-52页 |
| ·实验一 | 第52-53页 |
| ·实验二 | 第53-55页 |
| ·实验三 | 第55-56页 |
| ·实验四 | 第56-57页 |
| ·综合对比与分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6 结束语 | 第59-60页 |
| ·本文总结 | 第59页 |
| ·进一步工作 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 学位论文数据集 | 第63页 |
