| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 网络攻击检测的研究现状 | 第12-14页 |
| 1.3 论文主要研究内容及结构安排 | 第14-17页 |
| 1.3.1 论文的主要研究内容 | 第14页 |
| 1.3.2 论文的结构安排 | 第14-17页 |
| 2 网络渗透攻击检测概述 | 第17-27页 |
| 2.1 网络攻击检测的模型 | 第17-19页 |
| 2.2 网络攻击检测方法分类 | 第19-20页 |
| 2.3 基于数据挖掘的网络攻击检测方法 | 第20-25页 |
| 2.3.1 数据挖掘算法简介 | 第20-22页 |
| 2.3.2 基于数据挖掘的攻击检测方法 | 第22-25页 |
| 2.4 网络攻击检测的应用及发展方向 | 第25-26页 |
| 2.4.1 网络攻击检测的应用 | 第25页 |
| 2.4.2 网络攻击检测的发展方向 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于蚁群分类规则挖掘算法的网络渗透攻击检测 | 第27-51页 |
| 3.1 蚁群优化算法的设计 | 第27-29页 |
| 3.2 蚁群分类规则挖掘算法的总体设计 | 第29-33页 |
| 3.2.1 蚁群挖掘算法的模型 | 第29-30页 |
| 3.2.2 蚁群挖掘算法的流程 | 第30-33页 |
| 3.3 蚁群分类规则挖掘算法的相关函数设计 | 第33-39页 |
| 3.3.1 启发函数的设置 | 第33-35页 |
| 3.3.2 信息素函数的设计 | 第35-37页 |
| 3.3.3 概率转移函数的设置 | 第37-38页 |
| 3.3.4 质量函数的设计 | 第38-39页 |
| 3.4 实验过程及结果分析 | 第39-49页 |
| 3.4.1 渗透攻击数据集 | 第39-41页 |
| 3.4.2 数据预处理 | 第41-44页 |
| 3.4.3 仿真过程及结果分析 | 第44-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 基于混沌蚁群分类算法的网络渗透攻击检测 | 第51-75页 |
| 4.1 渗透攻击检测中的混沌特点 | 第51-52页 |
| 4.2 混沌蚁群算法的建模 | 第52-57页 |
| 4.2.1 蚂蚁的自主行为和组织性行为 | 第52-53页 |
| 4.2.2 蚂蚁近邻的选取及信息交流方法 | 第53-54页 |
| 4.2.3 基于混沌理论的蚁群算法建模 | 第54-57页 |
| 4.3 基于混沌蚁群分类算法的网络渗透攻击检测方法 | 第57-69页 |
| 4.3.1 检测算法的建模 | 第57-59页 |
| 4.3.2 检测方法的流程 | 第59-62页 |
| 4.3.3 类别中心的优化措施 | 第62-63页 |
| 4.3.4 评价指标 | 第63-65页 |
| 4.3.5 实验过程及结果分析 | 第65-69页 |
| 4.4 两种渗透攻击检测方法的对比分析 | 第69-72页 |
| 4.4.1 建模方法的比较 | 第69-71页 |
| 4.4.2 实验结果的对比分析 | 第71-72页 |
| 4.5 本章小结 | 第72-75页 |
| 5 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第81-83页 |
| 学位论文数据集 | 第83页 |