| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 图表清单 | 第8-9页 |
| 注释表 | 第9-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-13页 |
| ·网络安全面临的威胁 | 第11-12页 |
| ·研究入侵检测技术的必要性 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·入侵检测研究现状 | 第13-14页 |
| ·支持向量机研究现状 | 第14-16页 |
| ·本文主要工作和组织结构 | 第16-18页 |
| 第二章 入侵检测及支持向量机 | 第18-33页 |
| ·入侵检测 | 第18-23页 |
| ·入侵检测系统的定义和模型 | 第18-19页 |
| ·入侵检测系统的分类 | 第19-21页 |
| ·常用入侵检测技术 | 第21-22页 |
| ·入侵检测系统的不足和发展趋势 | 第22-23页 |
| ·支持向量机 | 第23-29页 |
| ·统计学习理论 | 第23-24页 |
| ·VC 维和结构风险最小化 | 第24-26页 |
| ·支持向量机 | 第26-29页 |
| ·支持向量机的优势及其在入侵检测中的应用 | 第29-31页 |
| ·支持向量机的优势 | 第29-30页 |
| ·基于支持向量机的入侵检测模型 | 第30-31页 |
| ·小结 | 第31-33页 |
| 第三章 对支持向量机及其在入侵检测中的应用 | 第33-40页 |
| ·对支持向量机算法描述 | 第33-35页 |
| ·对支持向量机在入侵检测中的应用 | 第35-39页 |
| ·实验数据集描述 | 第35-36页 |
| ·实验数据预处理 | 第36-37页 |
| ·实验与结果分析 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于对支持向量机的多类分类算法在入侵检测中的应用 | 第40-49页 |
| ·基于传统支持向量机的多类分类算法 | 第40-43页 |
| ·一对一多类支持向量机 | 第40-41页 |
| ·一对其余多类支持向量机 | 第41-42页 |
| ·二叉树多类支持向量机 | 第42-43页 |
| ·有向无环图多类支持向量机 | 第43页 |
| ·基于对支持向量机的多类分类算法 | 第43-46页 |
| ·相关基础知识研究 | 第44-45页 |
| ·BT-TWSVM 算法 | 第45-46页 |
| ·算法复杂度分析 | 第46页 |
| ·实验与结果分析 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·论文的主要工作总结 | 第49-50页 |
| ·对进一步研究的思考 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 在学期间的研究成果及发表的学术论文 | 第56页 |