基于特征选择的入侵检测方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究的背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文组织结构 | 第13-14页 |
| 第2章 入侵检测中的机器学习 | 第14-25页 |
| 2.1 入侵检测概述 | 第14-15页 |
| 2.2 入侵检测系统分类 | 第15-20页 |
| 2.3 IDS中的机器学习算法 | 第20-24页 |
| 2.3.1 聚类算法 | 第20-22页 |
| 2.3.2 关联分析 | 第22-23页 |
| 2.3.3 内部攻击检测 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 特征选择算法在IDS中的应用 | 第25-34页 |
| 3.1 特征选择模型 | 第25-26页 |
| 3.2 度量标准 | 第26-27页 |
| 3.3 特征选择算法 | 第27-30页 |
| 3.4 实验结果与分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于互信息的改进的MIFS算法 | 第34-47页 |
| 4.1 信息度量 | 第34-35页 |
| 4.2 基于互信息的特征选择算法 | 第35-36页 |
| 4.3 改进的MIFS算法 | 第36-38页 |
| 4.4 在稀疏数据下的RMIFS算法的改进 | 第38-39页 |
| 4.5 评价标准 | 第39-40页 |
| 4.6 实验结果与分析 | 第40-45页 |
| 4.7 本章小结 | 第45-47页 |
| 第5章 基于特征选择的入侵检测系统设计 | 第47-53页 |
| 5.1 混合式IDS模型 | 第47-48页 |
| 5.2 基于RMIFS算法的IDS模型 | 第48页 |
| 5.3 增量学习模型 | 第48-49页 |
| 5.4 实验结果与分析 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介及在学期间取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
