| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 课题的研究背景和现状 | 第13-14页 |
| 1.1.1 网络安全 | 第13页 |
| 1.1.2 网络入侵检测在网络安全中的情况 | 第13-14页 |
| 1.2 网络入侵检测发展背景 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文结构 | 第16-17页 |
| 第2章 网络入侵检测相关知识 | 第17-25页 |
| 2.1 网络入侵检测在网络安全领域的作用 | 第17页 |
| 2.2 网络入侵检测系统组成部分 | 第17-18页 |
| 2.3 网络入侵检测的特点 | 第18-19页 |
| 2.4 网络入侵检测常见框架 | 第19页 |
| 2.4.1 CIDF网络入侵检测框架 | 第19页 |
| 2.4.2 GRIDS网络入侵检测框架 | 第19页 |
| 2.4.3 IDWG网络入侵检测框架 | 第19页 |
| 2.5 本文入侵检测框架 | 第19-21页 |
| 2.6 网络入侵检测和主机入侵检测 | 第21页 |
| 2.7 网络入侵检测数据分析方法 | 第21-23页 |
| 2.7.1 误用入侵检测 | 第22-23页 |
| 2.7.2 异常入侵检测 | 第23页 |
| 2.8 本章小结 | 第23-25页 |
| 第3章 基于朴素贝叶斯分类器的网络入侵检测 | 第25-33页 |
| 3.1 基于数据挖掘的网络入侵检测系统背景研究 | 第25页 |
| 3.2 数据挖掘的基础概念知识 | 第25-26页 |
| 3.3 数据挖掘方法 | 第26-28页 |
| 3.3.1 按照数据挖掘分析方法分类 | 第26页 |
| 3.3.2 数据挖掘按照学习方法分类 | 第26-28页 |
| 3.4 朴素贝叶斯的基础知识 | 第28页 |
| 3.4.1 概率 | 第28页 |
| 3.4.2 条件概率 | 第28页 |
| 3.5 贝叶斯定理 | 第28页 |
| 3.6 朴素贝叶斯分类器 | 第28-30页 |
| 3.6.1 朴素贝叶斯分类器图形表示 | 第29页 |
| 3.6.2 朴素贝叶斯分类器基础知识 | 第29页 |
| 3.6.3 朴素贝叶斯分类器建模 | 第29-30页 |
| 3.6.4 朴素贝叶斯分类器特性 | 第30页 |
| 3.7 朴素贝叶斯分类器模型的训练 | 第30页 |
| 3.8 基于朴素贝叶斯分类器的网络入侵检测 | 第30-32页 |
| 3.8.1 朴素贝叶斯分类器的工作原理 | 第30-31页 |
| 3.8.2 基于贝叶斯分类器的网络入侵检测系统的工作原理 | 第31-32页 |
| 3.9 朴素贝叶斯分类器存在的问题 | 第32页 |
| 3.10 本章小结 | 第32-33页 |
| 第4章 克隆选择加权朴素贝叶斯分类器的网络入侵检测 | 第33-48页 |
| 4.1 人工免疫算法的背景 | 第33页 |
| 4.2 人工免疫算法的基础知识 | 第33-34页 |
| 4.3 典型的人工免疫算法 | 第34-35页 |
| 4.3.1 否定选择算法 | 第34页 |
| 4.3.2 克隆选择算法 | 第34-35页 |
| 4.4 基于克隆选择算法加权的朴素贝叶斯分类器 | 第35-36页 |
| 4.5 KDD99数据集 | 第36-40页 |
| 4.5.1 KDD数据集中标记为异常的种类 | 第37-38页 |
| 4.5.2 KDD99数据中特征值的种类 | 第38-40页 |
| 4.6 MATLAB | 第40-41页 |
| 4.7 实验步骤 | 第41-44页 |
| 4.7.1 数据预处理 | 第41页 |
| 4.7.2 朴素贝叶斯模型的训练 | 第41-42页 |
| 4.7.3 基于克隆选择算法加权的朴素贝叶斯分类器的训练 | 第42-44页 |
| 4.8 实验数据分析 | 第44-47页 |
| 4.8.1 朴素贝叶斯分类器 | 第44-45页 |
| 4.8.2 人工免疫克隆选择算法加权的朴素贝叶斯分类器的实验分析 | 第45-47页 |
| 4.9 本章小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 附录A 攻读学位期间所参与的项目 | 第56页 |
