基于k-means的入侵检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景及研究目的和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的研究内容 | 第10-11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 第2章 入侵检测概述 | 第12-19页 |
| 2.1 引言 | 第12页 |
| 2.2 入侵检测的概念 | 第12页 |
| 2.3 入侵检测系统的功能与特点 | 第12-14页 |
| 2.4 入侵检测系统的工作流程 | 第14-15页 |
| 2.5 入侵检测系统的模型 | 第15-16页 |
| 2.6 入侵检测系统的分类 | 第16-17页 |
| 2.7 入侵检测的方法 | 第17-18页 |
| 2.8 本章小结 | 第18-19页 |
| 第3章 聚类算法的研究与改进 | 第19-34页 |
| 3.1 引言 | 第19页 |
| 3.2 聚类分析的基本概念 | 第19-20页 |
| 3.2.1 聚类分析的概念 | 第19页 |
| 3.2.2 聚类分析算法的特征 | 第19-20页 |
| 3.3 常用聚类方法 | 第20-24页 |
| 3.4 改进的K-MEANS算法 | 第24-30页 |
| 3.4.1 距离度量方法 | 第24-27页 |
| 3.4.2 标准差与Renyi交叉熵 | 第27-28页 |
| 3.4.3 具体算法描述 | 第28-30页 |
| 3.5 实验与结果分析 | 第30-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于K-MEANS的入侵检测方法 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 聚类应用于入侵检测的可行性分析 | 第34-35页 |
| 4.3 基于K-MEANS的入侵检测方法设计 | 第35-37页 |
| 4.3.1 入侵检测模型设计 | 第35页 |
| 4.3.2 入侵检测工作流程 | 第35-37页 |
| 4.4 轮廓特征库建立方法 | 第37-39页 |
| 4.5 入侵行为检测方法 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 入侵检测方法有效性验证 | 第42-54页 |
| 5.1 引言 | 第42页 |
| 5.2 数据集获取与预处理 | 第42-46页 |
| 5.2.1 数据集获取 | 第42-46页 |
| 5.2.2 数据预处理 | 第46页 |
| 5.3 仿真实验与结果分析 | 第46-53页 |
| 5.3.1 混合检测模型的建立 | 第46-50页 |
| 5.3.2 入侵检测结果分析 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-62页 |
| 致谢 | 第62页 |
