| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题的背景 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-11页 |
| 1.3 本文的研究内容 | 第11页 |
| 1.4 小结 | 第11-13页 |
| 第二章 入侵检测技术相关理论基础 | 第13-29页 |
| 2.1 相关安全防护技术 | 第13-16页 |
| 2.1.1 传统安全防护设施 | 第13-14页 |
| 2.1.2 入侵检测系统 | 第14-15页 |
| 2.1.3 入侵防御系统 | 第15页 |
| 2.1.4 防火墙、入侵检测系统、入侵防御系统之间的区别与联系 | 第15-16页 |
| 2.2 基于支持向量机的分类技术 | 第16-22页 |
| 2.2.1 支持向量机 | 第16-20页 |
| 2.2.2 支持向量机研究的关键问题 | 第20-22页 |
| 2.3 支持向量机参数寻优的相关算法 | 第22-26页 |
| 2.3.1 模拟退火算法 | 第22-23页 |
| 2.3.2 蚁群算法 | 第23-24页 |
| 2.3.3 遗传算法 | 第24-25页 |
| 2.3.4 粒子群优化算法 | 第25-26页 |
| 2.3.5 其他全局优化算法 | 第26页 |
| 2.4 信息熵用于样本特征选择 | 第26-28页 |
| 2.4.1 信息熵 | 第26-27页 |
| 2.4.2 信息熵在特征选择问题中的应用 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第三章 基于区域过滤的粒子群优化算法的设计 | 第29-41页 |
| 3.1 随机数 | 第29-32页 |
| 3.1.1 随机函数选择规则 | 第29-31页 |
| 3.1.2 随机数产生器的设计 | 第31-32页 |
| 3.2 区域过滤技术 | 第32-36页 |
| 3.2.1 区域过滤技术介绍 | 第32-34页 |
| 3.2.2 随机性算法过滤区域 | 第34-35页 |
| 3.2.3 适应度函数的选择 | 第35-36页 |
| 3.3 区域过滤粒子群优化算法 | 第36-40页 |
| 3.3.1 粒子群优化算法的影响因素 | 第36-38页 |
| 3.3.2 区域过滤粒子群优化算法设计 | 第38-39页 |
| 3.3.3 时间复杂度分析 | 第39-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 支持向量机在入侵检测中的应用 | 第41-61页 |
| 4.1 典型的检测技术 | 第41-42页 |
| 4.2 数据包结构分析 | 第42-47页 |
| 4.2.1 数据包头分析 | 第42-44页 |
| 4.2.2 Web 攻击数据包分析 | 第44-47页 |
| 4.3 入侵检测系统总体框架 | 第47-49页 |
| 4.3.1 设计理念 | 第47页 |
| 4.3.2 入侵检测模块设计 | 第47-49页 |
| 4.3.3 系统自安全性设计 | 第49页 |
| 4.4 支持向量机在入侵检测中的应用 | 第49-50页 |
| 4.5 网络攻击仿真与实验 | 第50-59页 |
| 4.5.1 实验算法描述 | 第50-51页 |
| 4.5.2 网络攻击检测实验 | 第51-56页 |
| 4.5.3 网络攻击实验结果 | 第56-59页 |
| 4.5.4 网络攻击实验结论 | 第59页 |
| 4.6 小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 下一步工作展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66-67页 |
| 攻读硕士学位期间公开发表的论文 | 第66页 |
| 硕士期间参与的项目 | 第66-67页 |