博士文库云南民族大学学术文库：基于支持向量机的入侵检测算法研究

　　第1章 入侵检测基础
　　1.1 研究背景
　　1.2 计算机安全及关键技术
　　1.2.1 计算机安全概念
　　1.2.2 常见的安全威胁
　　1.2.3 网络安全关键技术
　　1.3 入侵检测技术研究概述
　　1.3.1 入侵检测发展历程
　　1.3.2 通用人侵检测模型
　　1.3.3 异常检测与误用检测
　　1.4 入侵检测的发展趋势
　　1.4.1 软计算方法
　　1.4.2 机器学习和数据挖掘方法
　　1.4.3 人工免疫系统
　　1.4.4 基于代理的检测系统
　　1.5 本章 小结
　　第2章 支持向量机
　　2.1 机器学习的基本问题
　　2.1.1 学习问题的表示
　　2.1.2 经验风险最小化原理
　　2.1.3 经验风险最小化与过学习
　　2.2 统计学习理论
　　2.2.1 学习过程的一致性理论
　　2.2.2 VC维与泛化能力的界
　　2.2.3 结构风险最小化原理
　　2.3 支持向量机理论
　　2.3.1 最优化理论基础
　　2.3.2 线性支持向量机
　　2.3.3 核函数方法
　　2.4 本章 小结
　　附录：支持向量机的研究进展
　　第3章 支持向量机的误差分解和参数选择研究
　　3.1 误差分解理论与支持向量机学习
　　3.1.1 误差分解理论
　　3.1.2 支持向量机的偏差一方差分析
　　3.2 核参数与入侵检测性能
　　3.2.1 KDD入侵检测基准数据集
　　3.2.2 核参数选择对人侵检测性能的影响
　　3.3 本章 小结
　　附录1支持向量机的参数选择方法
　　附录2KDDCUP99数据描述
　　第4章 基于不同特征提取的入侵检测研究
　　4.1 基于PCA与ICA特征提取的入侵检测集成分类系统
　　4.1.1 基于PCA与ICA的入侵检测集成分类系统模型
　　4.1.2 集成分类系统的子分类器构造方法
　　4.1.3 子分类器对系统性能的影响研究
　　4.1.4 核参数对支持向量机学习性能的影响研究
　　4.2 集成分类系统的增量式学习算法
　　4.2.1 算法描述
　　4.2.2 入侵检测问题的增量式学习性能研究
　　4.3 漏警与误警损失的多目标优化研究
　　4.3.1 入侵检测的不均衡损失问题
　　4.3.2 漏警与误警的Pareto多目标优化算法
　　4.3.3 仿真实验及分析
　　4.4 本章 小结
　　第5章 嵌入式支持向量机特征选择算法研究
　　5.1 特征选择方法
　　5.2 基于数据的SVM嵌入式特征选择模型
　　5.2.1 预备知识
　　5.2.2 SVM嵌入式特征选择模型
　　5.3 一种基于数据的SVM上界误差估计
　　5.3.1 F1（K）的计算
　　5.3.2 F2（K）的计算
　　5.4 一种新的SVM嵌入式特征选择算法
　　5.5 仿真实验及分析
　　5.5.1 分类误差的光滑化处理
　　5.5.2 仿真实验及分析
　　5.6 本章 小结
　　第6章 基于负相关学习的支持向量机集成算法
　　6.1 集成学习
　　6.1.1 集成学习方法分类
　　6.1.2 Bagging和Boosting方法
　　6.2 基于负相关学习的支持向量机集成算法
　　6.2.1 支持向量机集成的困难性
　　6.2.2 负相关学习的理论分析
　　6.2.3 负相关学习支持向量机集成算法的实现
　　6.3 仿真实验及分析
　　6.3.1 人工数据集的实验和分析
　　6.3.2 入侵检测问题的实验和分析
　　6.4 本章 小结
　　第7章 基于免疫多样性的入侵检测研究
　　7.1 人工免疫原理
　　7.1.1 免疫学的概念和基本原理
　　7.1.2 免疫系统的特征及对人侵检测的借鉴意义
　　7.2 一种新的基于免疫思想的入侵检测工作结构
　　7.3 基于免疫多样性的人侵检测算法
　　7.3.1 免疫多样性的定义
　　7.3.2 亲和度函数
　　7.3.3 抗体表达方式——随机子空间法
　　7.3.4 基于免疫多样性的入侵检测算法
　　7.4 仿真实验及分析
　　7.5 本章 小结
　　第8章 总结与展望

　　    谷雨，女，副教授，博士。2009年3月毕业于西安交通大学计算机科学与技术专业，获博士学位。作为项目组主要成员参与国家973项目一项、国家自然科学基金项目两项；主持／参与省部级科学基金项目五项；作为主要成员参与云南省高校重点实验室建设项目一项；主持／参与云南省教育厅基金项目六项；作为项目组主要成员参与“西部大学校园计算机网络建设工程项目云南民族大学校园网”的设计与实施。

　　    《博士文库云南民族大学学术文库：基于支持向量机的入侵检测算法研究》介绍了：人侵检测系统的基本概念与检测技术，对入侵检测的核心技术——检测算法进行了深入、系统地研究。主要利用支持向量机在解决小样本、非线性及高维问题时所具有的良好性能，来对入侵行为进行高速检测。在此基础上，充分考虑入侵检测环境中的单点失效问题、多个检测器的协作问题，将集成学习、人工免疫等新兴技术引入到入侵检测环境中，从而提高检测精度和入侵检测系统的鲁棒性。
　　    《博士文库云南民族大学学术文库：基于支持向量机的入侵检测算法研究》针对有计算机、信息科学、通信技术基础的中、高级读者，适合从事网络信息安全、人工智能、数据挖掘的研究人员，以及高校计算机、信息科学、通信等专业高年级本科生和研究生参考使用。