数据挖掘在入侵检测系统中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| 1．1 引言 | 第8-9页 |
| 1．2 入侵检测及相关算法的研究现状 | 第9-10页 |
| 1．3 论文的结构 | 第10页 |
| 1．4 论文的创新之处 | 第10-11页 |
| 第二章 入侵检测技术 | 第11-16页 |
| 2．1 入侵检测技术概述 | 第11页 |
| 2．2 入侵检测的分类 | 第11-14页 |
| 2．2．1 按检测模式分类 | 第12页 |
| 2．2．2 按检测使用数据分类 | 第12-14页 |
| 2．3 入侵检测模型 | 第14-15页 |
| 2．4 现有入侵检测系统的不足 | 第15-16页 |
| 第三章 数据挖掘方法 | 第16-26页 |
| 3．1 知识发现 | 第16-17页 |
| 3．2 数据挖掘方法 | 第17-26页 |
| 3．2．1 分类 | 第17-18页 |
| 3．2．2 聚类分析 | 第18-19页 |
| 3．2．3 关联规则分析 | 第19-21页 |
| 3．2．4 序列分析 | 第21-22页 |
| 3．2．5 遗传算法分析 | 第22-26页 |
| 第四章 基于数据挖掘的入侵检测模型 | 第26-47页 |
| 4．1 基于数据挖掘的入侵检测模型 | 第26-27页 |
| 4．2 有关关联规则算法的研究 | 第27-33页 |
| 4．2．1 关联规则的改进方式 | 第28-29页 |
| 4．2．2 算法改进及其实现 | 第29-31页 |
| 4．2．3 关联规则在入侵检测中的应用 | 第31-33页 |
| 4．3 基于加权关联规则的入侵检测方法 | 第33-36页 |
| 4．3．1 加权关联规则模型 | 第33-34页 |
| 4．3．2 加权关联规则的发现 | 第34-35页 |
| 4．3．3 加权规则发现算法 | 第35-36页 |
| 4．4 加权关联规则在网络入侵检测系统中应用 | 第36-40页 |
| 4．5 遗传算法在入侵检测系统中的应用 | 第40-43页 |
| 4．5．1 基于遗传算法的入侵检测过程 | 第40-41页 |
| 4．5．2 编码方案 | 第41页 |
| 4．5．3 遗传算子 | 第41-43页 |
| 4．5．4 适应度函数 | 第43页 |
| 4．6 基于关联规则和遗传算法的复合入侵检测模型 | 第43-47页 |
| 4．6．1 遗传算法 | 第43-44页 |
| 4．6．2 兴趣度 | 第44页 |
| 4．6．3 复合算法的设计 | 第44-47页 |
| 第五章 分级数据挖掘入侵检测模型 | 第47-50页 |
| 5．1 分级数据挖掘的思想 | 第47页 |
| 5．2 分级式数据挖掘入侵检测模型 | 第47-50页 |
| 第六章 校园网安全体系的构建 | 第50-60页 |
| 6．1 构建一个符合需要的防火墙技术 | 第50-51页 |
| 6．2 分布式防火墙在校园网中的应用 | 第51-52页 |
| 6．3 构造一个相对稳定的入侵检测系统 | 第52-58页 |
| 6．3．1 系统概述 | 第52-53页 |
| 6．3．2 安装与配置 | 第53-56页 |
| 6．3．3 系统部署及运行 | 第56-58页 |
| 6．4 网络病毒的预防 | 第58-59页 |
| 6．5 结束语 | 第59-60页 |
| 第七章 结束语 | 第60-63页 |
| 7．1 论文的主要研究工作 | 第60页 |
| 7．2 进一步的研究工作 | 第60-61页 |
| 7．3 基于数据挖掘的入侵检测系统的发展方向 | 第61-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间的主要研究成果 | 第64-65页 |
| 参考文献 | 第65-67页 |
