| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 主要简称及含义对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景、目的和意义 | 第14-15页 |
| 1.2 国内外研究现状分析 | 第15-16页 |
| 1.3 本文的研究内容 | 第16-18页 |
| 1.4 本文的创新点 | 第18页 |
| 1.5 本文的组织结构 | 第18-20页 |
| 第二章 相关基础知识 | 第20-30页 |
| 2.1 网络流量概述 | 第20-22页 |
| 2.1.1 网络流量中存在的攻击种类 | 第20-21页 |
| 2.1.2 网络流量的分类方法 | 第21-22页 |
| 2.2 决策树算法 | 第22-25页 |
| 2.2.1 决策树概念 | 第22-23页 |
| 2.2.2 分裂属性方法 | 第23-25页 |
| 2.2.3 决策树模型 | 第25页 |
| 2.3 集成学习 | 第25-28页 |
| 2.3.1 集成学习概念 | 第25-26页 |
| 2.3.2 集成学习分类 | 第26-28页 |
| 2.4 Tri-training算法 | 第28-29页 |
| 2.4.1 协同训练算法 | 第28页 |
| 2.4.2 Tri-training算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于改进 Tri-training 的半监督模型 | 第30-43页 |
| 3.1 改进型Tri-training算法 | 第31-36页 |
| 3.2 算法改进效果实验 | 第36-40页 |
| 3.3 基于改进 Tri-training 的半监督模型 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 实验结果分析 | 第43-56页 |
| 4.1 实验环境和数据 | 第43-48页 |
| 4.1.1 实验环境 | 第43页 |
| 4.1.2 NSL-KDD数据集 | 第43-46页 |
| 4.1.3 Kyoto数据集 | 第46-48页 |
| 4.2 评估指标 | 第48-49页 |
| 4.3 参数取值与说明 | 第49-50页 |
| 4.4 在NSL-KDD数据集上的结果 | 第50-52页 |
| 4.5 在Kyoto数据集上的结果 | 第52-54页 |
| 4.6 各种流量类型的实验结果 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 附录一 作者攻读硕士学位期间发表的科研成果 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |