| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第12-16页 |
| ·选题背景 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文工作 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 基于机器学习的入侵检测相关概述 | 第16-24页 |
| ·入侵检测概述 | 第16-20页 |
| ·入侵检测的定义 | 第16页 |
| ·入侵检测的模型 | 第16-17页 |
| ·入侵检测技术分类 | 第17-19页 |
| ·入侵检测存在的问题 | 第19-20页 |
| ·基于机器学习的入侵检测研究 | 第20-23页 |
| ·机器学习基础 | 第20-21页 |
| ·基于机器学习的入侵检测算法的研究现状 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于聚类的入侵检测算法 | 第24-38页 |
| ·基于聚类的入侵检测概述 | 第24-26页 |
| ·聚类概述 | 第24-25页 |
| ·基于聚类的入侵检测研究 | 第25-26页 |
| ·基于聚类的入侵检测算法G-means | 第26-30页 |
| ·基础知识 | 第27-28页 |
| ·G-means描述 | 第28-30页 |
| ·G-means算法分析 | 第30页 |
| ·实验评估 | 第30-37页 |
| ·数据集描述 | 第30-34页 |
| ·实验环境 | 第34页 |
| ·距离度量和数据标准化 | 第34-35页 |
| ·性能评估指标 | 第35页 |
| ·参数的确定 | 第35页 |
| ·实验结果和分析 | 第35-36页 |
| ·与K-means和OPTICS实验比较 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 面向数据包进行异常检测的G-means及应用 | 第38-50页 |
| ·特征选择概述 | 第38-41页 |
| ·特征选择的数学模型及一般化过程 | 第38-39页 |
| ·特征选择模式分类 | 第39-41页 |
| ·KDD Cup 1999数据集的特征选择 | 第41-42页 |
| ·PHAD报头异常检测 | 第42-43页 |
| ·面向数据包进行异常检测的G-means | 第43-45页 |
| ·DARPA 1999数据集描述 | 第45-46页 |
| ·数据包检测实验 | 第46-47页 |
| ·实际环境的部署应用 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 结束语 | 第50-52页 |
| ·工作总结 | 第50页 |
| ·进一步研究展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-59页 |
| 攻读学位期间发表的主要学术论文 | 第59-60页 |
| 攻读学位期间参与科研项目情况 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |