聚类算法和分类算法在入侵检测中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 信息安全的内涵 | 第8-10页 |
| 1.3 入侵检测研究的必要性 | 第10页 |
| 1.4 结构组织 | 第10-12页 |
| 第二章 入侵检测系统概述 | 第12-22页 |
| 2.1 入侵检测研究现状 | 第12-13页 |
| 2.2 入侵检测系统 | 第13-17页 |
| 2.2.1 入侵检测系统的基本模型 | 第13-15页 |
| 2.2.2 入侵检测系统分类 | 第15-17页 |
| 2.3 入侵检测方法和衡量标准 | 第17-19页 |
| 2.3.1 入侵检测方法 | 第17-19页 |
| 2.3.2 入侵检测系统的衡量标准 | 第19页 |
| 2.4 入侵检测面临的问题和未来的发展趋势 | 第19-21页 |
| 2.4.1 入侵检测技术面临的问题 | 第19-20页 |
| 2.4.2 入侵检测技术发展趋势 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 聚类分析和分类分析 | 第22-31页 |
| 3.1 什么是聚类分析和分类分析技术 | 第22页 |
| 3.2 K-MEANS 算法介绍 | 第22-24页 |
| 3.2.1 K-means 算法 | 第23页 |
| 3.2.2 K-means 算法特点 | 第23-24页 |
| 3.3 决策树分类算法 | 第24-30页 |
| 3.3.1 ID3 算法 | 第25-27页 |
| 3.3.2 ID3 算法实例分析 | 第27-28页 |
| 3.3.3 ID3 算法分析和发展 | 第28-30页 |
| 3.3.4 决策树算法在入侵检测中的理论分析 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 聚类分析和分类分析在入侵检测中的应用 | 第31-36页 |
| 4.1 理论分析 | 第31-32页 |
| 4.2 K-MEANS 算法的改进 | 第32-33页 |
| 4.2.1 K 值的确定方法 | 第32页 |
| 4.2.2 初始聚类中心改进 | 第32-33页 |
| 4.2.3 孤立点和噪声点的处理 | 第33页 |
| 4.3 决策树算法改进 | 第33-34页 |
| 4.4 入侵检测规则生成方法 | 第34-35页 |
| 4.5 本章小结 | 第35-36页 |
| 第五章 实验结果分析 | 第36-41页 |
| 5.1 实验中使用的数据集 | 第36-37页 |
| 5.2 实验结果对比与分析 | 第37-40页 |
| 5.2.1 对改进的 K-means 算法的验证 | 第37-38页 |
| 5.2.2 改进的决策树算法的验证 | 第38-40页 |
| 5.3 本章小结 | 第40-41页 |
| 第六章 总结与展望 | 第41-43页 |
| 6.1 工作总结 | 第41页 |
| 6.2 本文创新点 | 第41-42页 |
| 6.3 下一步工作展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 在校期间参与的项目与发表的论文 | 第46-47页 |
| 致谢 | 第47页 |
