基于聚類的入侵檢測(cè)算法研究

定　價(jià)：￥28.00

作　者：	蔣盛益
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	信息安全

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787030225535	出版時(shí)間：	2008-08-01	包裝：	平裝
開(kāi)本：	大32開(kāi)	頁(yè)數(shù)：	239	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《基于聚類的入侵檢測(cè)算法研究》以聚類分析為基本工具，圍繞入侵檢測(cè)這一目標(biāo)展開(kāi)討論。包括：入侵檢測(cè)的相關(guān)概念和研究現(xiàn)狀；聚類分析的基礎(chǔ)知識(shí)；針對(duì)入侵檢測(cè)問(wèn)題中數(shù)據(jù)具有大規(guī)模和混合屬性的特點(diǎn)，重點(diǎn)研究數(shù)據(jù)之間的差異性度量方法，高效自適應(yīng)聚類算法；在介紹現(xiàn)有經(jīng)典的異常挖掘算法的基礎(chǔ)上，提出異常因子的度量方法，進(jìn)而研究靜態(tài)異常挖掘算法；改進(jìn)最近鄰分類方法，在靜態(tài)異常檢測(cè)的基礎(chǔ)上，研究一類動(dòng)態(tài)數(shù)據(jù)的異常檢測(cè)，將入侵檢測(cè)問(wèn)題視為動(dòng)態(tài)數(shù)據(jù)的異常檢測(cè)問(wèn)題；總結(jié)并對(duì)后續(xù)研究工作進(jìn)行展望?！痘诰垲惖娜肭謾z測(cè)算法研究》通過(guò)實(shí)例說(shuō)明原理，對(duì)從事數(shù)據(jù)挖掘、入侵檢測(cè)的科技人員具有重要的參考價(jià)值。還可作為計(jì)算機(jī)、信息技術(shù)等專業(yè)的研究生學(xué)習(xí)、研究的參考資料。

作者簡(jiǎn)介

　　蔣盛益，（1963-），男，教授、博士，主研方向：數(shù)據(jù)挖掘，網(wǎng)絡(luò)安全。

圖書(shū)目錄

第1章入侵檢測(cè)概述
1.1 研究背景
1.2 計(jì)算機(jī)安全與入侵檢測(cè)
1.3 入侵檢測(cè)技術(shù)研究概述
1.4 典型入侵檢測(cè)產(chǎn)品
1.5 入侵檢測(cè)發(fā)展趨勢(shì)
第2章聚類分析基礎(chǔ)
2.1 聚類分析及其應(yīng)用
2.2 聚類分析研究的主要內(nèi)容
2.3 典型聚類方法（技術(shù)）及特點(diǎn)介紹
2.4 相似性度量
2.5 聚類算法的性能評(píng)價(jià)
2.6 數(shù)據(jù)挖掘?qū)垲惖牡湫鸵?br /> 2.7 聚類分析中幾個(gè)挑戰(zhàn)性問(wèn)題
第3章面向大規(guī)模數(shù)據(jù)集的高效聚類算法研究
3.1 聚類表示及差異性度量方法研究
3.2 一種增強(qiáng)的k-means聚類算法
3.3 基于最小距離原則的聚類算法
3.4 基于引力的聚類方法GCA
3.5 基于相似度的聚類算法CABMS
3.6 基于投票機(jī)制的融合聚類算法
3.7 本章小結(jié)
第4章異常挖掘算法研究
4.1 異常挖掘及其應(yīng)用
4.2 典型異常挖掘方法介紹
4.3 一種增強(qiáng)的局部異常挖掘算法
4.4 兩階段異常挖掘方法TOD
4.5 基于聚類的異常挖掘方法CBOD
4.6 基于萬(wàn)有引力的異常挖掘算法ODBUG
4.7 小結(jié)及未來(lái)研究展望
第5章基于聚類的入侵檢測(cè)方法
5.1 有指導(dǎo)的入侵檢測(cè)方法與無(wú)指導(dǎo)的入侵檢測(cè)方法
5.2 有指導(dǎo)入侵檢測(cè)方法CBSID-1
5.3 有指導(dǎo)入侵檢測(cè)方法CBSID-2
5.4 基于聚類的無(wú)指導(dǎo)的入侵檢測(cè)方法CBUID
5.5 基于引力的入侵檢測(cè)方法GBID
5.6 基于對(duì)象偏離程度的入侵檢測(cè)方法DBID
5.7 小結(jié)
第6章總結(jié)與展望
6.1 主要工作總結(jié)
6.2 研究展望
參考文獻(xiàn)
附錄　書(shū)中所使用的數(shù)據(jù)集
1.soybean disease數(shù)據(jù)集
2.mushroom數(shù)據(jù)集
3.Congressional Votes數(shù)據(jù)集
4.乳腺癌數(shù)據(jù)集（Wisconsin breast cancer data set）
5.淋巴系造影術(shù)數(shù)據(jù)集（1ymphography dataset）
6.DARPA 98數(shù)據(jù)集
7.KDDCUP 99數(shù)據(jù)集