基于数据挖掘的入侵检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 入侵检测与数据挖掘 | 第14-24页 |
| 2.1 入侵检测概述 | 第14-20页 |
| 2.1.1 入侵检测的相关概念 | 第14页 |
| 2.1.2 入侵检测系统的作用和地位 | 第14-16页 |
| 2.1.3 入侵检测系统的基本原理 | 第16-17页 |
| 2.1.4 入侵检测系统的分类 | 第17-18页 |
| 2.1.5 常用的入侵检测方法 | 第18-19页 |
| 2.1.6 入侵检测的发展方向 | 第19-20页 |
| 2.2 数据挖掘在入侵检测中的应用 | 第20-24页 |
| 2.2.1 数据挖掘的定义 | 第20页 |
| 2.2.2 数据挖掘的过程 | 第20-21页 |
| 2.2.3 数据挖掘常用方法 | 第21-22页 |
| 2.2.4 数据挖掘应用于入侵检测 | 第22页 |
| 2.2.5 基于数据挖掘的入侵检测系统的特点 | 第22-24页 |
| 3 基于决策树的入侵检测系统研究 | 第24-34页 |
| 3.1 决策树用于入侵检测的可行性 | 第24-25页 |
| 3.2 用C4.5算法构建分类模型 | 第25-28页 |
| 3.3 基于决策树的入侵检测系统 | 第28-32页 |
| 3.3.1 入侵检测系统模型 | 第28-29页 |
| 3.3.2 各模块功能与设计 | 第29-32页 |
| 3.4 提高系统性能的途径 | 第32-34页 |
| 4 样本选择研究 | 第34-41页 |
| 4.1 样本选择的必要性 | 第34-35页 |
| 4.2 常用样本选择方法与不足 | 第35页 |
| 4.3 聚类 | 第35-36页 |
| 4.4 基于聚类的入侵检测训练样本选择 | 第36-41页 |
| 4.4.1 样本聚类 | 第36-38页 |
| 4.4.2 各簇样本选择数的计算 | 第38-39页 |
| 4.4.3 边界样本的选择方法 | 第39页 |
| 4.4.4 典型样本的选择方法 | 第39-41页 |
| 5 特征提取研究 | 第41-49页 |
| 5.1 特征提取 | 第41-42页 |
| 5.1.1 特征提取的概念 | 第41-42页 |
| 5.1.2 常用特征提取方法 | 第42页 |
| 5.2 基于KPCA的特征提取 | 第42-45页 |
| 5.2.1 核方法 | 第42-43页 |
| 5.2.2 KPCA的基本原理 | 第43-45页 |
| 5.2.3 入侵检测样本的特征提取实现 | 第45页 |
| 5.3 KPCA的不足与改进 | 第45-49页 |
| 5.3.1 KPCA的不足 | 第45-46页 |
| 5.3.2 基于遗传算法的改进方法 | 第46-49页 |
| 6 实验与分析 | 第49-56页 |
| 6.1 数据集介绍与实验评价标准 | 第49-50页 |
| 6.2 数据初步预处理 | 第50-51页 |
| 6.3 样本选择实验 | 第51-53页 |
| 6.4 特征提取实验 | 第53-55页 |
| 6.5 与其他研究比较 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
