基于数据缺值的贝叶斯网络入侵检测研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文的研究内容 | 第9页 |
| 1.4 论文组织结构 | 第9-11页 |
| 第二章 入侵检测系统概述 | 第11-16页 |
| 2.1 入侵检测的基本概念 | 第11页 |
| 2.2 入侵检测系统的分类 | 第11-12页 |
| 2.3 当前主流的检测技术 | 第12-14页 |
| 2.4 入侵检测模型与产品 | 第14页 |
| 2.5 本文实验数据集 | 第14-15页 |
| 2.6 本章小结 | 第15-16页 |
| 第三章 粗糙集理论 | 第16-19页 |
| 3.1 粗糙集理论 | 第16页 |
| 3.2 属性约简 | 第16-18页 |
| 3.3 本章小结 | 第18-19页 |
| 第四章 基于贝叶斯网络的入侵检测技术 | 第19-30页 |
| 4.1 相关基础理论 | 第19-20页 |
| 4.2 贝叶斯分类算法 | 第20-21页 |
| 4.3 贝叶斯网学习 | 第21-26页 |
| 4.4 贝叶斯网络在入侵检测中的应用 | 第26-29页 |
| 4.5 本章小结 | 第29-30页 |
| 第五章 缺失数据下的自适应贝叶斯网络算法 | 第30-42页 |
| 5.1 缺失数据的形成原因及处理 | 第30-31页 |
| 5.2 基于ROUSTIDA的贝叶斯网络算法 | 第31-36页 |
| 5.3 基于动态结构变化的R-BN算法 | 第36-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 工作总结 | 第42页 |
| 6.2 研究展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 个人简介 | 第48页 |
| 攻读硕士期间发表的论文 | 第48页 |
