基于数据挖掘的网络入侵检测关键技术研究
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第14-27页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 入侵检测与数据挖掘 | 第16-24页 |
| 1.2.1 入侵检测概述 | 第16-17页 |
| 1.2.2 数据挖掘概述 | 第17-18页 |
| 1.2.3 基于数据挖掘的入侵检测研究现状 | 第18-24页 |
| 1.3 本文的主要工作 | 第24-26页 |
| 1.4 本文的组织结构 | 第26-27页 |
| 第二章 基于簇中心距离和的特征降维 | 第27-48页 |
| 2.1 特征降维简介 | 第27-29页 |
| 2.2 入侵检测中的特征降维研究现状 | 第29-32页 |
| 2.3 一种基于簇中心距离和的特征提取方法 | 第32-38页 |
| 2.3.1 簇中心提取 | 第34-35页 |
| 2.3.2 数据集转换 | 第35-36页 |
| 2.3.3 分类模型构建及数据分类 | 第36-37页 |
| 2.3.4 方法分析 | 第37-38页 |
| 2.4 实验及分析 | 第38-47页 |
| 2.4.1 实验数据集 | 第39-42页 |
| 2.4.2 评价指标 | 第42-43页 |
| 2.4.3 实验结果及分析 | 第43-47页 |
| 2.5 本章小节 | 第47-48页 |
| 第三章 基于约简数据集的入侵检测研究 | 第48-71页 |
| 3.1 样本约简简介 | 第48-49页 |
| 3.2 入侵检测中的样本约简研究现状 | 第49-50页 |
| 3.3 一种基于类中心的分层样本约简方法 | 第50-58页 |
| 3.3.1 代表样本的定义 | 第51-52页 |
| 3.3.2 代表性指标的实现 | 第52-54页 |
| 3.3.3 基于类中心的数据集等分划分策略 | 第54-56页 |
| 3.3.4 子集中的代表样本选择 | 第56页 |
| 3.3.5 复杂度分析 | 第56-58页 |
| 3.4 实验及分析 | 第58-70页 |
| 3.4.1 实验数据集 | 第58-60页 |
| 3.4.2 评价指标和分类算法 | 第60-61页 |
| 3.4.3 实验结果及分析 | 第61-70页 |
| 3.5 本章小结 | 第70-71页 |
| 第四章 基于簇中心位置变化的异常检测方法研究 | 第71-89页 |
| 4.1 异常检测与误用检测 | 第71-72页 |
| 4.2 基于离群点挖掘的异常检测框架 | 第72-74页 |
| 4.3 一种基于簇中心位置变化的异常检测方法 | 第74-82页 |
| 4.3.1 参考样本选择 | 第74-77页 |
| 4.3.2 样本离群程度分值计算 | 第77-79页 |
| 4.3.3 正常行为轮廓建立及异常检测 | 第79-81页 |
| 4.3.4 复杂度分析 | 第81-82页 |
| 4.4 实验及分析 | 第82-88页 |
| 4.4.1 实验数据集及评价指标 | 第82-83页 |
| 4.4.2 实验结果及分析 | 第83-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第五章 混合入侵检测模型研究 | 第89-107页 |
| 5.1 混合入侵检测模型的必要性 | 第89-90页 |
| 5.2 混合入侵检测模型结构分析 | 第90-92页 |
| 5.3 一种两层混合入侵检测模型 | 第92-100页 |
| 5.3.1 异常检测模块1构建 | 第94-95页 |
| 5.3.2 异常检测模块2构建 | 第95-97页 |
| 5.3.3 误用检测模块构建 | 第97-99页 |
| 5.3.4 复杂度分析 | 第99-100页 |
| 5.4 实验及分析 | 第100-106页 |
| 5.4.1 实验数据集及评价指标 | 第100-101页 |
| 5.4.2 实验结果及分析 | 第101-106页 |
| 5.5 本章小结 | 第106-107页 |
| 第六章 总结与展望 | 第107-110页 |
| 6.1 论文工作总结 | 第107-108页 |
| 6.2 未来研究展望 | 第108-110页 |
| 参考文献 | 第110-125页 |
| 致谢 | 第125-127页 |
| 攻读学位期间学术论文目录 | 第127页 |
