基于粗糙集的攻击意图特征提取研究
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内外攻击意图提取方面研究现状 | 第11页 |
| 1.2.2 粗糙集国内外研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 研究意义 | 第13-14页 |
| 1.4.1 理论意义 | 第13页 |
| 1.4.2 实践意义 | 第13-14页 |
| 1.5 论文创新点 | 第14页 |
| 1.6 论文结构 | 第14-16页 |
| 2 粗糙集简介 | 第16-30页 |
| 2.1 粗糙集概念与基础 | 第16-22页 |
| 2.1.1 知识和知识库 | 第16-17页 |
| 2.1.2 不可分辨关系 | 第17页 |
| 2.1.3 知识表达系统 | 第17-18页 |
| 2.1.4 上近似和下近似 | 第18-20页 |
| 2.1.5 知识约简与核 | 第20-21页 |
| 2.1.6 决策规则 | 第21-22页 |
| 2.2 粗糙集理论的主要应用领域 | 第22-23页 |
| 2.3 粗糙集模型 | 第23-29页 |
| 2.3.1 Pawlak粗糙集模型 | 第23-25页 |
| 2.3.2 概率粗糙集模型 | 第25-26页 |
| 2.3.3 决策粗糙集模型 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于IBSA的决策粗糙集属性约简算法 | 第30-36页 |
| 3.1 回溯搜索优化算法基本原理 | 第30-31页 |
| 3.2 回溯搜索优化算法的改进 | 第31-32页 |
| 3.2.1 变异尺度系数 | 第31页 |
| 3.2.2 自适应交叉概率 | 第31-32页 |
| 3.2.3 改进的回溯搜索优化算法求解过程 | 第32页 |
| 3.3 基于IBSA的决策粗糙集属性约简算法 | 第32-34页 |
| 3.3.1 适应度函数 | 第32-33页 |
| 3.3.2 算法的执行过程 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 基于粗糙集的攻击意图特征提取过程 | 第36-42页 |
| 4.1 数据预处理 | 第36页 |
| 4.2 数据离散化 | 第36-40页 |
| 4.2.1 离散化定义 | 第36-37页 |
| 4.2.2 离散化作用 | 第37页 |
| 4.2.3 离散化方法比较 | 第37-39页 |
| 4.2.4 本文选用的离散化方法 | 第39-40页 |
| 4.3 属性约简 | 第40页 |
| 4.4 本章小结 | 第40-42页 |
| 5 实验仿真与分析 | 第42-52页 |
| 5.1 实验数据源分析 | 第42-43页 |
| 5.1.1 KDDCUP99数据集简介 | 第42页 |
| 5.1.2 实验选取的数据介绍 | 第42-43页 |
| 5.2 实验数据预处理 | 第43-48页 |
| 5.2.1 去除特殊属性及攻击 | 第43-45页 |
| 5.2.2 数据库分块处理 | 第45-48页 |
| 5.3 实验数据离散化 | 第48-49页 |
| 5.4 攻击意图特征提取 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间取得的科研成果清单 | 第60页 |
