改进的聚类算法在入侵检测中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 引言 | 第11-14页 |
| ·入侵检测的研究意义 | 第11页 |
| ·入侵检测的研究现状 | 第11-12页 |
| ·本文的工作和结构安排 | 第12-14页 |
| ·本文工作 | 第12页 |
| ·本文的结构安排 | 第12-14页 |
| 第二章 入侵检测系统概述 | 第14-27页 |
| ·入侵检测概念 | 第14-15页 |
| ·入侵检测系统分类 | 第15-17页 |
| ·主机型入侵检测系统 | 第15-16页 |
| ·网络型入侵检测系统 | 第16页 |
| ·综合型入侵检测系统 | 第16页 |
| ·集中式入侵检测系统 | 第16页 |
| ·分布式入侵检测系统 | 第16-17页 |
| ·入侵检测模型概述 | 第17-20页 |
| ·异常检测 | 第18-19页 |
| ·Denning 模式 | 第18页 |
| ·量化分析模式 | 第18页 |
| ·统计分析模式 | 第18页 |
| ·非参统计度量模式 | 第18-19页 |
| ·误用检测模式 | 第19-20页 |
| ·expert system | 第19页 |
| ·状态转换模式 | 第19-20页 |
| ·两种模型的区别 | 第20页 |
| ·基于数据挖掘的入侵检测技术 | 第20-23页 |
| ·数据挖掘简介 | 第20-23页 |
| ·数据挖掘在入侵检测中的优势 | 第23页 |
| ·入侵检测系统的缺点 | 第23-25页 |
| ·入侵检测系统的未来 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于聚类技术的入侵检测系统设计 | 第27-43页 |
| ·聚类技术简介 | 第27页 |
| ·聚类技术在入侵检测中的应用 | 第27-28页 |
| ·聚类的数据结构及相异度设计 | 第28-30页 |
| ·如何表示聚类的分组 | 第30-31页 |
| ·几种经典的聚类算法 | 第31-35页 |
| ·基于层次的聚类算法 | 第31-32页 |
| ·基于密度的聚类算法 | 第32-33页 |
| ·K 均值聚类算法 | 第33-34页 |
| ·模糊C 均值聚类 | 第34-35页 |
| ·FCM 在入侵检测中的应用 | 第35-37页 |
| ·简单异常入侵检测模型设计 | 第37-42页 |
| ·设计思路 | 第37页 |
| ·模式阶段建立 | 第37-40页 |
| ·结构模型 | 第40-41页 |
| ·模型可行性分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 优化FCM 算法 | 第43-57页 |
| ·改进FCM 算法 | 第43-44页 |
| ·遗传算法概述 | 第44-47页 |
| ·引入遗传算法的改进FCM 算法应用 | 第47-50页 |
| ·遗传算法的构成要素 | 第47-48页 |
| ·遗传算法操作 | 第48-50页 |
| ·改进算法的具体流程 | 第50-57页 |
| 第五章 实验数据测试分析 | 第57-63页 |
| ·实验检测和分析 | 第57-60页 |
| ·实验数据准备 | 第57-59页 |
| ·算法比较 | 第59-60页 |
| ·引入GA 算法的改进FCM 算法验证 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| ·论文总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
