| 中文提要 | 第1-5页 |
| Abstract | 第5-14页 |
| 第1章 绪论 | 第14-25页 |
| ·课题来源和意义 | 第14-16页 |
| ·入侵检测系统和数据挖掘技术概述 | 第16-23页 |
| ·入侵检测系统概述 | 第16-19页 |
| ·数据挖掘技术概述 | 第19-21页 |
| ·数据挖掘技术在入侵检测系统中的应用研究的现状 | 第21-23页 |
| ·论文的主要工作 | 第23-24页 |
| ·论文的组织结构 | 第24-25页 |
| 第2章 适用于IDS 的特征选择算法的研究 | 第25-53页 |
| ·特征选择简介 | 第25-30页 |
| ·IDS 中数据源及其判别特征的特点 | 第30-34页 |
| ·一种适用于IDS 的多次模糊迭代特征选择算法 | 第34-44页 |
| ·算法描述 | 第34-37页 |
| ·仿真及结果分析 | 第37-44页 |
| ·一种适用于IDS 的基于相关性度量的特征选择算法 | 第44-52页 |
| ·有关定义 | 第45-46页 |
| ·算法描述 | 第46-47页 |
| ·算法分析 | 第47-48页 |
| ·仿真实验及结果分析 | 第48-52页 |
| ·本章小节 | 第52-53页 |
| 第3章 适用于IDS 的数值归约算法研究 | 第53-61页 |
| ·IDS 中数据预处理的必要性 | 第53-54页 |
| ·数据预处理的常用方法 | 第54-55页 |
| ·决策树算法简介 | 第55-57页 |
| ·一种适用于IDS 中数据分类的数值归约算法 | 第57-60页 |
| ·算法描述 | 第57-58页 |
| ·仿真实验及结果分析 | 第58-60页 |
| ·本章小节 | 第60-61页 |
| 第4章 聚类算法及其在IDS 中的应用研究 | 第61-74页 |
| ·聚类分析概述 | 第61-63页 |
| ·模糊C-均值聚类算法（FCM） | 第63-64页 |
| ·基于层次聚类的模糊聚类算法（HFC） | 第64-73页 |
| ·K 近邻的选择 | 第64-65页 |
| ·类合并方法 | 第65页 |
| ·评估函数 | 第65页 |
| ·算法流程 | 第65-66页 |
| ·实验及结果分析 | 第66-73页 |
| ·本章小结 | 第73-74页 |
| 第5章 基于CBR 的入侵检测方法的研究 | 第74-99页 |
| ·CBR 简介 | 第74-76页 |
| ·CBR 对IDS 的意义 | 第76页 |
| ·在IDS 中实施CBR 的步骤及有关问题 | 第76-78页 |
| ·案例表示与案例库构造方法的研究 | 第78-85页 |
| ·案例表示与案例库构造的一般方法 | 第78-80页 |
| ·IDS 中的案例表示与案例库构造方法 | 第80-85页 |
| ·适用于CBR 的案例搜索算法的研究 | 第85-88页 |
| ·CBR 常用的案例搜索策略 | 第85-86页 |
| ·适用于IDS 中的CBR 的最邻近算法 | 第86-87页 |
| ·CBR 案例中特征权值的估算 | 第87-88页 |
| ·适用于IDS 的CBR 引擎的研究 | 第88-91页 |
| ·仿真及结果分析 | 第91-98页 |
| ·Snort 简介 | 第91-92页 |
| ·基于CBR 的离线入侵检测系统的内部处理流程 | 第92-93页 |
| ·Snort 规则的案例化 | 第93-95页 |
| ·实验结果与分析 | 第95-97页 |
| ·基于CBR 的在线检测效果 | 第97-98页 |
| ·本章小结 | 第98-99页 |
| 第6章 总结与展望 | 第99-102页 |
| ·总结 | 第99-100页 |
| ·展望 | 第100-102页 |
| 参考文献 | 第102-111页 |
| 缩略语 | 第111-113页 |
| 攻读学位期间公开发表的论文和参加的科研项目 | 第113-116页 |
| 致谢 | 第116-117页 |
| 详细摘要 | 第117-125页 |