| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及其意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·入侵检测的研究现状 | 第10-12页 |
| ·支持向量机 | 第12-13页 |
| ·粗糙集 | 第13-14页 |
| ·论文研究内容与组织结构 | 第14-16页 |
| ·论文研究内容 | 第14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 入侵检测技术概述 | 第16-23页 |
| ·入侵检测的概念与意义 | 第16-17页 |
| ·入侵检测的必要性 | 第17-18页 |
| ·IDS 的分类 | 第18-19页 |
| ·入侵检测技术的新方法 | 第19-21页 |
| ·现有IDS 中的问题以及发展方向 | 第21-23页 |
| ·现有IDS 中存在的主要问题 | 第21页 |
| ·IDS 的发展方向 | 第21-23页 |
| 第三章 一种基于粗糙集的增量式属性约简算法 | 第23-33页 |
| ·粗糙集理论的基本概念简介 | 第24-26页 |
| ·增量式绝对属性约简算法 | 第26-30页 |
| ·算法的理论基础 | 第26-27页 |
| ·算法的推导与描述 | 第27-28页 |
| ·算法实例分析 | 第28-30页 |
| ·基于粗糙集的相对属性约简算法 | 第30-32页 |
| ·增量式属性约简方法 | 第32页 |
| ·本章小节 | 第32-33页 |
| 第四章 一种结合粗糙集与 SVM 的入侵检测方法 | 第33-42页 |
| ·粗糙集与支持向量机的特点及结合的优势 | 第33-34页 |
| ·统计学习理论 | 第34-37页 |
| ·基于支持支持向量机的Online-Training 算法 | 第37-39页 |
| ·基于粗糙集和Online-SVM 的入侵检测模型 | 第39-40页 |
| ·试验结果与性能分析 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 第五章 总结与展望 | 第42-43页 |
| ·全文总结 | 第42页 |
| ·进一步展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 附录（攻读硕士期间发表的论文） | 第48页 |