基于改进烟花算法和SVM的入侵检测研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 入侵检测技术 | 第16-24页 |
| 2.1 入侵检测技术历史沿革 | 第16-17页 |
| 2.2 入侵检测分类 | 第17-20页 |
| 2.2.1 按照体系结构对入侵检测分类 | 第18-19页 |
| 2.2.2 按照检测技术对入侵检测分类 | 第19-20页 |
| 2.3 入侵检测模型 | 第20-22页 |
| 2.3.1 Denning入侵检测模型 | 第21-22页 |
| 2.3.2 CIDF入侵检测模型 | 第22页 |
| 2.4 入侵检测当前存在的问题 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 改进烟花算法对支持向量机的优化 | 第24-38页 |
| 3.1 支持向量机概述 | 第24-28页 |
| 3.1.1 SVM解决线性可分问题分析 | 第24-26页 |
| 3.1.2 SVM解决线性不可分问题分析 | 第26-28页 |
| 3.2 烟花算法 | 第28-32页 |
| 3.2.1 烟花算法的执行过程 | 第28-31页 |
| 3.2.2 烟花算法存在的问题 | 第31-32页 |
| 3.3 改进的烟花算法IFWA | 第32-37页 |
| 3.3.1 初始烟花种群拉伸技术 | 第32-35页 |
| 3.3.2 适应度函数的拉伸技术 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于IFWA-SVM算法的入侵检测模型 | 第38-48页 |
| 4.1 IFWA优化SVM思路来源 | 第38-41页 |
| 4.2 IFWA优化SVM参数选择 | 第41-45页 |
| 4.2.1 IFWA优化SVM参数的意义 | 第41-43页 |
| 4.2.2 IFWA优化SVM参数的方法 | 第43-45页 |
| 4.3 基于IFWA-SVM算法的入侵检测模型 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 仿真实验与结果分析 | 第48-58页 |
| 5.1 性能衡量参数 | 第48-49页 |
| 5.2 实验设计 | 第49-51页 |
| 5.2.1 实验环境 | 第49页 |
| 5.2.2 实验数据采集 | 第49-50页 |
| 5.2.3 数据预处理 | 第50-51页 |
| 5.3 实验结果分析 | 第51-56页 |
| 5.3.1 实验一 | 第51-53页 |
| 5.3.2 实验二 | 第53-56页 |
| 5.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-68页 |
| 致谢 | 第68页 |
