入侵检测系统分类算法的研究
| 1. 绪论 | 第1-19页 |
| ·网络安全与入侵检测系统 | 第10-15页 |
| ·网络安全 | 第11-13页 |
| ·入侵检测系统 | 第13-15页 |
| ·入侵检测系统的研究现状及存在的问题 | 第15-17页 |
| ·研究现状 | 第15-16页 |
| ·存在问题 | 第16-17页 |
| ·主要研究内容 | 第17-18页 |
| ·本文的组织安排 | 第18-19页 |
| 2. 入侵检测 | 第19-27页 |
| ·入侵检测 | 第19-20页 |
| ·入侵检测系统的标准化模型 | 第20-21页 |
| ·误用与异常入侵检测技术 | 第21-24页 |
| ·误用入侵检测 | 第21-22页 |
| ·异常入侵检测 | 第22-23页 |
| ·两者比较 | 第23-24页 |
| ·基于主机和网络的入侵检测系统 | 第24-27页 |
| ·基于主机的入侵检测系统 | 第24-25页 |
| ·基于网络的入侵检测系统 | 第25-27页 |
| 3. 数据挖掘 | 第27-39页 |
| ·数据挖掘概述 | 第27-30页 |
| ·挖掘过程 | 第27-28页 |
| ·数据挖掘中的模式评估 | 第28-29页 |
| ·数据挖掘技术 | 第29-30页 |
| ·数据挖掘技术在入侵检测中的应用 | 第30-32页 |
| ·入侵检测中常用的数据挖掘算法 | 第32-35页 |
| ·关联分析算法 | 第32-34页 |
| ·序列分析算法 | 第34-35页 |
| ·分类算法 | 第35页 |
| ·基于数据挖掘的入侵检测模型 | 第35-39页 |
| 4. 入侵检测的分类算法 | 第39-50页 |
| ·分类的基本技术 | 第39-41页 |
| ·数据分类的过程 | 第39-40页 |
| ·分类数据的预处理 | 第40页 |
| ·分类的评估标准 | 第40-41页 |
| ·典型的分类算法 | 第41-48页 |
| ·决策树算法 | 第41-45页 |
| ·规则分类算法（RIPPER 算法） | 第45-46页 |
| ·贝叶斯算法 | 第46-47页 |
| ·几种算法比较 | 第47-48页 |
| ·决策树算法C4.5 算法的改进 | 第48-49页 |
| ·小结 | 第49-50页 |
| 5. 基于多子集分层的决策树算法的分类模型 | 第50-61页 |
| ·采用的入侵检测模型 | 第50-51页 |
| ·改进的算法——多子集分层的决策树算法 | 第51-52页 |
| ·数据源及数据预处理 | 第52-57页 |
| ·数据源 | 第52-54页 |
| ·数据预处理及特征属性的选取 | 第54-57页 |
| ·分类结果 | 第57-61页 |
| ·实验步骤 | 第57-60页 |
| ·实验结论及分析 | 第60-61页 |
| 结束语 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士期间所取得的成果 | 第65-66页 |
| 致谢 | 第66页 |
