基于改进朴素贝叶斯算法的入侵检测技术研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·课题来源 | 第13页 |
| ·国内外研究现状 | 第13-15页 |
| ·入侵检测技术研究现状 | 第13-14页 |
| ·朴素贝叶斯算法研究现状 | 第14-15页 |
| ·论文主要研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 入侵检测及相关技术应用 | 第18-34页 |
| ·入侵检测技术理论与实现 | 第18-20页 |
| ·CIDF通用模型 | 第20-21页 |
| ·入侵检测技术的系统分类 | 第21-26页 |
| ·按照信息源分类 | 第21-24页 |
| ·按照检测方法分类 | 第24-26页 |
| ·入侵检测技术的尚存问题及发展趋势 | 第26-28页 |
| ·入侵检测技术的尚存问题 | 第26-27页 |
| ·入侵检测技术的发展趋势 | 第27-28页 |
| ·引入数据挖掘算法的可行性分析 | 第28-31页 |
| ·基于NB算法的入侵检测技术 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 3 ITWNB算法的理论模型研究 | 第34-42页 |
| ·引言 | 第34页 |
| ·Bayes理论 | 第34-36页 |
| ·Bayes定理和概率密度 | 第34-35页 |
| ·MAP假设与ML假设 | 第35-36页 |
| ·基于NB模型的ITWNB算法 | 第36-40页 |
| ·条件独立性假设和参数估计 | 第36-37页 |
| ·NB分类模型与改进研究 | 第37-39页 |
| ·ITWNB算法的理论模型 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 4 基于ITWNB算法的入侵检测模型构建 | 第42-54页 |
| ·引言 | 第42页 |
| ·ITWNB算法的实现 | 第42-49页 |
| ·信息树策略ITS | 第42-44页 |
| ·属性修正函数AFF | 第44-45页 |
| ·ITWNB算法的具体实现流程 | 第45-49页 |
| ·SSL式的数据训练过程 | 第49-50页 |
| ·基于ITWNB算法的入侵检测模型 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 5 数据预处理与实验分析 | 第54-68页 |
| ·引言 | 第54页 |
| ·实验仿真环境 | 第54-56页 |
| ·KDD’99入侵检测数据集处理分析 | 第56-59页 |
| ·影响因素与数据预处理技术 | 第59-62页 |
| ·实验结果与分析 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| ·本文总结 | 第68页 |
| ·工作展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 作者简历 | 第76-78页 |
| 学位论文数据集 | 第78页 |
