| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-11页 |
| 1 绪言 | 第11-25页 |
| 1．1 入侵检测介绍 | 第11-23页 |
| 1．1．1 计算机安全要素 | 第11-12页 |
| 1．2．2 什么是入侵检测 | 第12-13页 |
| 1．2．3 入侵检测的分类 | 第13-20页 |
| 1．2．3．1 根据入侵检测原理 | 第13-14页 |
| 1．2．3．2 根据数据来源 | 第14-20页 |
| 1．2．4 入侵检测系统CIDF模型 | 第20-22页 |
| 1．2．5 入侵检测的产品 | 第22-23页 |
| 1．2 论文的组织结构 | 第23-25页 |
| 2 入侵检测中的数据挖掘技术 | 第25-38页 |
| 2．1 数据挖掘的概述 | 第25-29页 |
| 2．1．1 数据挖掘的产生 | 第25-27页 |
| 2．1．2 数据挖掘的概念 | 第27-28页 |
| 2．1．3 数据挖掘的技术 | 第28-29页 |
| 2．2 数据挖掘的功能 | 第29-32页 |
| 2．2．1 数据描述和可视化(Description & Visualization ) | 第29-30页 |
| 2．2．2 分类〔Classification) | 第30-31页 |
| 2．2．3 回归(Regression) | 第31页 |
| 2．2．4 聚类(Clustering) | 第31-32页 |
| 2．2．5 关联分析(Association Grouping) | 第32页 |
| 2．3 基于数据挖掘的入侵检测方法 | 第32-38页 |
| 2．3．1 数据挖掘技术的适用性 | 第32-33页 |
| 2．3．2 基于数据挖掘的入侵检测模型 | 第33-34页 |
| 2．3．3 国内外基于数据挖掘的入侵检测研究现状 | 第34-38页 |
| 3 用改进的关联规则算法建立入侵检测系统系统模型 | 第38-47页 |
| 3．1 关联规则概述 | 第38-39页 |
| 3．2 关联规则的入侵检测系统模型 | 第39-40页 |
| 3．3 传统的关联规则算法 | 第40-41页 |
| 3．4 改进的关联规则算法 | 第41-44页 |
| 3．5 入侵检测实验 | 第44-46页 |
| 3．6 分析与结论 | 第46-47页 |
| 4 基于决策树的入侵检测系统 | 第47-56页 |
| 4．1 决策树(decision tree) | 第47-49页 |
| 4．2 ID3算法 | 第49-51页 |
| 4．3 实验与分析 | 第51-55页 |
| 4．4 结束语 | 第55-56页 |
| 5 多AGENT智能入侵检测系统模型设计 | 第56-77页 |
| 5．1 分布式入侵检测的背景 | 第56-57页 |
| 5．2 Agent和多Agent | 第57-61页 |
| 5．2．1 什么是Agent | 第57-58页 |
| 5．2．2 多Agent系统 | 第58-59页 |
| 5．2．3 多Agent系统中的通信 | 第59-61页 |
| 5．3 MAIIDS模型的设计 | 第61-76页 |
| 5．3．1 基于多Agent的系统 | 第61-62页 |
| 5．3．2 MAIIDS 模型的框架 | 第62-65页 |
| 5．3．3 MAIIDS 的自学习过程 | 第65-66页 |
| 5．3．4 MAIIDS 模型的各个组件 | 第66-76页 |
| 5．3．4．1 管理员中心 | 第66-68页 |
| 5．3．4．2 域管理器 | 第68-71页 |
| 5．3．4．3 检测Agent | 第71-74页 |
| 5．3．4．4 学习Agent | 第74-76页 |
| 5．4 小结 | 第76-77页 |
| 6 结论与展望 | 第77-79页 |
| 6．1 对研究工作的总结 | 第77-78页 |
| 6．2 进一步工作展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 读研期间以第一作者发表的论文 | 第82-83页 |
| 致谢 | 第83页 |