| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景 | 第12-13页 |
| ·数据挖掘技术在入侵检测系统中应用的研究现状 | 第13-17页 |
| ·数据挖掘技术在网络入侵检测中应用的优劣势 | 第13-14页 |
| ·国内外研究综述 | 第14-17页 |
| ·本文的研究内容与框架 | 第17-19页 |
| 第2章 数据挖掘和入侵检测相关理论 | 第19-26页 |
| ·数据挖掘技术概述 | 第19-23页 |
| ·数据挖掘和知识发现关系 | 第19-20页 |
| ·数据挖掘和相关领域关系 | 第20页 |
| ·四种常见的数据挖掘理论 | 第20-23页 |
| ·入侵检测技术概述 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于决策树分类算法和蚁群聚类算法相结合的入侵检测系统 | 第26-35页 |
| ·引言 | 第26-27页 |
| ·算法理论基础 | 第27-30页 |
| ·决策树分类算法分析 | 第27-29页 |
| ·蚁群聚类算法分析 | 第29-30页 |
| ·一种基于决策树分类算法和蚁群聚类算法相结合的入侵检测系统 | 第30-33页 |
| ·算法的基本思想 | 第30页 |
| ·系统体系结构 | 第30-31页 |
| ·改进的 C4.5 算法 | 第31-32页 |
| ·蚁群聚类算法 | 第32-33页 |
| ·实验及结果分析 | 第33-34页 |
| ·训练和测试数据 | 第33页 |
| ·实验结果与分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 入侵检测系统中警报聚类相关问题研究 | 第35-49页 |
| ·引言 | 第35-39页 |
| ·警报聚类算法分析 | 第36-38页 |
| ·信息熵分析 | 第38-39页 |
| ·基于信息熵的警报聚类算法 | 第39-45页 |
| ·算法的基本思想 | 第39-41页 |
| ·初始化聚类阶段 | 第41页 |
| ·顺序聚类阶段 | 第41-42页 |
| ·顺序相关性处理阶段 | 第42-43页 |
| ·算法的实现 | 第43-45页 |
| ·实验及结果分析 | 第45-48页 |
| ·实验配置 | 第45-46页 |
| ·结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57页 |