蚁群聚类算法在入侵检测中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·论文的研究背景和意义 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·入侵检测技术的研究与发展 | 第12页 |
| ·基于聚类的入侵检测技术 | 第12-14页 |
| ·本文研究的目的及意义 | 第14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 基于聚类技术的入侵检测 | 第15-25页 |
| ·入侵检测技术基础 | 第15-17页 |
| ·入侵检测的基本概念和入侵检测系统的功能 | 第15-16页 |
| ·入侵检测系统的组成 | 第16-17页 |
| ·常用入侵检测技术 | 第17页 |
| ·聚类技术的基本理论 | 第17-21页 |
| ·聚类分析中的数据类型 | 第18-19页 |
| ·主要的聚类分析方法 | 第19-21页 |
| ·聚类技术在入侵检测中应用 | 第21-24页 |
| ·使用聚类分析进行入侵检测的基本思想 | 第21页 |
| ·使用聚类算法进行入侵检测主要过程 | 第21-23页 |
| ·聚类算法在入侵检测中存在的问题 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 蚁群聚类算法及改进算法 | 第25-35页 |
| ·蚁群算法基本原理 | 第25-29页 |
| ·蚁群算法的特征 | 第25-26页 |
| ·蚁群算法的发展历史 | 第26-27页 |
| ·蚁群算法中相关参数的取值 | 第27-29页 |
| ·将蚁群算法用于网络数据的聚类 | 第29-33页 |
| ·使用蚁群聚类算法进行聚类的原理 | 第29-30页 |
| ·基本定义 | 第30-32页 |
| ·蚁群聚类算法的基本模型 | 第32-33页 |
| ·蚁群聚类算法的改进 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 改进算法的有效性实验 | 第35-43页 |
| ·实验数据简介 | 第35-37页 |
| ·实验数据预处理 | 第37-38页 |
| ·簇标记及检测算法 | 第38-40页 |
| ·簇的标记 | 第38-39页 |
| ·使用贝叶斯推理方法进行检测 | 第39-40页 |
| ·实验结果及其分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实时网络入侵检测的实现 | 第43-50页 |
| ·实时检测平台的搭建 | 第43-47页 |
| ·WinPcap 的简介 | 第43-44页 |
| ·在Windows 下捕获数据包的步骤 | 第44-45页 |
| ·检测系统运行的环境 | 第45-46页 |
| ·获得审计记录 | 第46-47页 |
| ·检测结果及其分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第55页 |
