基于特征选择的入侵检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-15页 |
| ·研究背景 | 第11页 |
| ·信息系统面临的威胁 | 第11-13页 |
| ·权限的滥用 | 第12页 |
| ·实体摧毁 | 第12页 |
| ·黑客攻击 | 第12页 |
| ·软件的漏洞和"后门" | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文的组织结构安排 | 第14-15页 |
| 2 典型入侵检测研究 | 第15-24页 |
| ·入侵检测系统原理 | 第15-16页 |
| ·入侵检测系统体系结构分类 | 第16-19页 |
| ·基于主机的入侵检测系统(HIDS) | 第17-18页 |
| ·基于网络的入侵检测系统(NIDS) | 第18-19页 |
| ·混合分布式的入侵检测系统(DIDS) | 第19页 |
| ·入侵检测技术主要发展方向 | 第19-21页 |
| ·面向IPv6 | 第19-20页 |
| ·智能型入侵检测 | 第20页 |
| ·行为分析技术的引入 | 第20页 |
| ·面向应用层的入侵检测技术 | 第20-21页 |
| ·分布式入侵检测 | 第21页 |
| ·与其它安全技术相结合 | 第21页 |
| ·建立入侵检测系统评价体系 | 第21页 |
| ·入侵检测系统面临的挑战 | 第21-22页 |
| ·检测的速度过低 | 第21-22页 |
| ·存在较高的漏报和误报 | 第22页 |
| ·系统的互动性能有待提高 | 第22页 |
| ·本章小结 | 第22-24页 |
| 3 三个典型算法的研究与分析 | 第24-42页 |
| ·遗传算法 | 第24-31页 |
| ·遗传算法的执行流程 | 第24-25页 |
| ·遗传算法的组成 | 第25-31页 |
| ·遗传算法的优缺点 | 第31页 |
| ·模拟退火算法 | 第31-35页 |
| ·模拟退火算法基本原理 | 第31-32页 |
| ·模拟退火算法的执行流程 | 第32页 |
| ·模拟退火算法关键参数和操作设计 | 第32-34页 |
| ·模拟退火算法的优点与缺点 | 第34-35页 |
| ·支持向量机 | 第35-40页 |
| ·最优分类面 | 第35-37页 |
| ·支持向量机原理 | 第37-39页 |
| ·核函数 | 第39-40页 |
| ·支持向量机的特点 | 第40页 |
| ·本章小结 | 第40-42页 |
| 4 入侵检测系统的特征选择算法设计 | 第42-55页 |
| ·问题的提出 | 第42-43页 |
| ·相关概念 | 第43页 |
| ·特征子集搜索策略 | 第43页 |
| ·特征子集评估(评价函数) | 第43页 |
| ·特征选择的数学模型及一般化过程 | 第43-44页 |
| ·算法的具体设计 | 第44-54页 |
| ·GA与SA结合的出发点 | 第44-45页 |
| ·算法执行步骤及流程 | 第45-47页 |
| ·算法的相关参数及具体设计 | 第47-54页 |
| ·本章小结 | 第54-55页 |
| 5 基于特征选择算法FSGSOS的实验研究 | 第55-64页 |
| ·实验目的及环境 | 第55页 |
| ·数据集预处理 | 第55-57页 |
| ·实验方案设计 | 第57页 |
| ·实验结果与分析 | 第57-63页 |
| ·特征的提取 | 第57-58页 |
| ·验证FSGSOS算法在特征选择速度上的性能 | 第58-59页 |
| ·验证FSGSOS算法的有效性 | 第59-62页 |
| ·验证FSGSOS算法具有更好的检测率 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·研究展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录A:攻读学位期间的主要学术成果 | 第72-73页 |
| 致谢 | 第73页 |
