| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第9-13页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 课题提出的必要性和意义 | 第10-11页 |
| 1.3 本文的内容结构 | 第11-13页 |
| 第2章 入侵检测系统概述 | 第13-23页 |
| 2.1 入侵检测系统的概念及功能 | 第13-14页 |
| 2.2 入侵检测技术的发展历史 | 第14-15页 |
| 2.3 入侵检测系统的分类 | 第15-16页 |
| 2.4 入侵检测系统的数据源 | 第16-17页 |
| 2.4.1 基于主机的数据源 | 第16页 |
| 2.4.2 基于网络的数据源 | 第16-17页 |
| 2.5 入侵检测分析技术 | 第17-21页 |
| 2.5.1 滥用检测 | 第17-19页 |
| 2.5.2 异常检测 | 第19-21页 |
| 2.6 入侵检测的响应机制 | 第21-22页 |
| 2.6.1 被动响应 | 第21页 |
| 2.6.2 主动响应 | 第21-22页 |
| 2.7 现有入侵检测系统的局限性 | 第22-23页 |
| 第3章 支持向量机与遗传算法 | 第23-32页 |
| 3.1 支持向量机概述 | 第23-29页 |
| 3.1.1 VC维 | 第24-25页 |
| 3.1.2 结构风险最小化 | 第25-26页 |
| 3.1.3 最大间隔原则 | 第26-27页 |
| 3.1.4 核函数 | 第27-28页 |
| 3.1.5 利用支持向量机进行分类的优点 | 第28-29页 |
| 3.2 遗传算法 | 第29-32页 |
| 3.2.1 遗传算法实现 | 第29-30页 |
| 3.2.2 常用的算子 | 第30-32页 |
| 第4章 基于支持向量机的网络入侵检测系统模型的设计 | 第32-37页 |
| 4.1 系统总体模块结构 | 第32-33页 |
| 4.2 数据包截获模块和网络会话模块 | 第33-34页 |
| 4.3 特征矢量生成模块 | 第34页 |
| 4.4 SVM检测引擎 | 第34-35页 |
| 4.5 解析器 | 第35-36页 |
| 4.6 本章小结 | 第36-37页 |
| 第5章 提高基于支持向量机的网络入侵检测性能的有关实验设计 | 第37-58页 |
| 5.1 数据集 | 第37-45页 |
| 5.1.1 数据集描述 | 第37-42页 |
| 5.1.2 原始数据的预处理 | 第42-45页 |
| 5.2 核函数类型的选择 | 第45页 |
| 5.3 参数的确定 | 第45-49页 |
| 5.4 关键特征的选择 | 第49-55页 |
| 5.4.1 关键特征选择的方法与实验 | 第50-51页 |
| 5.4.2 实验结果与分析 | 第51-55页 |
| 5.5 参数确定与特征选择的联合优化 | 第55-57页 |
| 5.6 对未知入侵进行检测的尝试 | 第57-58页 |
| 第6章 结论与展望 | 第58-63页 |
| 6.1 本论文的主要工作 | 第58-59页 |
| 6.2 下一步的工作展望 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |