基于数据流挖掘的入侵检测系统的分析与应用-analysis and application of intrusion detection system based on data stream mining.docxVIP

南京航空航天大学硕士学位论文 图表清单 图 1. 1 入侵检测系统的分类 2 图 2. 1 自然倾斜时间对数框架模型 9 图 2. 2 对数尺度倾斜时间框架模型 9 图 2. 3 基于数据流挖掘的入侵检测模型14 图 3. 1 数据流分类算法框架 17 图 3. 2 感知器模型 21 图 3. 3 梯度学习算法24 图 3. 4 面向数据流环境的感知器学习算法 26 图 3. 5 Hoeffding 树归纳算法 29 图 3. 6 ADWIN 算法 32 图 3. 7 实验主界面 33 图 3. 8 实验配置界面34 图 3. 9 算法配置界面36 图 3. 10 人工数据集配置界面36 图 3. 11 公共数据集配置界面37 图 3. 12 实验过程界面37 图 3. 13 分类精度对比图39 图 3. 14 内存使用大小对比图39 图 3. 15 运行时间对比图40 图 4. 1 传统算法在数据流中的扩展分析44 图 4. 2 聚类算法框架47 图 4. 3 计算属性的重要性48 图 4. 4 计算新实例得到簇的距离 49 图 4. 5 EPStream 算法联机过程框架 51 图 4. 6 实验数据集选择界面 53 图 4. 7 窗口大小和聚类簇数目配置界面53 图 4. 8 实验过程54 图 4. 9 聚类簇精度变化曲线 54 图