圖書信息
出版社: 西安交通大學出版社; 第1版 (2011年8月1日)
叢書名: 雲南民族大學學術文庫,博士文庫
平裝: 164頁
正文語種: 簡體中文
開本: 16
ISBN: 9787560539737, 7560539734
條形碼: 9787560539737
尺寸: 23.6 x 16.8 x 1 cm
重量: 322 g
作者簡介
穀雨，女，副教授，博士。2009年3月畢業於西安交通大學計算機科學與技術專業，獲博士學位。作為項目組主要成員參與國家973項目一項、國家自然科學基金項目兩項；主持/參與省部級科學基金項目五項；作為主要成員參與雲南省高校重點實驗室建設項目一項；主持/參與雲南省教育廳基金項目六項；作為項目組主要成員參與“西部大學校園計算機網路建設工程項目雲南民族大學校園網”的設計與實施。在《計算機研究與發展》、《西安交通大學學報》、Information Technology Journal、IEEE Congress on Evolutionary Computation（CEC）等國際、國內學術刊物和國際知名學術會議上公開發表學術論文20餘篇。
內容簡介
《基於支持向量機的入侵檢測算法研究》系統地介紹了人侵檢測系統的基本概念與檢測技術，對入侵檢測的核心技術——檢測算法進行了深入、系統地研究。主要利用支持向量機在解決小樣本、非線性及高維問題時所具有的良好性能，來對入侵行為進行高速檢測。在此基礎上，充分考慮入侵檢測環境中的單點失效問題、多個檢測器的協作問題，將集成學習、人工免疫等新興技術引入到入侵檢測環境中，從而提高檢測精度和入侵檢測系統的魯棒性。
《基於支持向量機的入侵檢測算法研究》針對有計算機、信息科學、通信技術基礎的中、高級讀者，適合從事網路信息安全、人工智慧、數據挖掘的研究人員，以及高校計算機、信息科學、通信等專業高年級本科生和研究生參考使用。
目錄
第1章 入侵檢測基礎
1.1 研究背景
1.2 計算機安全及關鍵技術
1.2.1 計算機安全概念
1.2.2 常見的安全威脅
1.2.3 網路安全關鍵技術
1.3 入侵檢測技術研究概述
1.3.1 入侵檢測發展歷程
1.3.2 通用人侵檢測模型
1.3.3 異常檢測與誤用檢測
1.4 入侵檢測的發展趨勢
1.4.1 軟計算方法
1.4.2 機器學習和數據挖掘方法
1.4.3 人工免疫系統
1.4.4 基於代理的檢測系統
1.5 本章 小結
第2章 支持向量機
2.1 機器學習的基本問題
2.1.1 學習問題的表示
2.1.2 經驗風險最小化原理
2.1.3 經驗風險最小化與過學習
2.2 統計學習理論
2.2.1 學習過程的一致性理論
2.2.2 vc維與泛化能力的界
2.2.3 結構風險最小化原理
2.3 支持向量機理論
2.3.1 最最佳化理論基礎
2.3.2 線性支持向量機
2.3.3 核函式方法
2.4 本章 小結
附錄：支持向量機的研究進展
第3章 支持向量機的誤差分解和參數選擇研究
3.1 誤差分解理論與支持向量機學習
3.1.1 誤差分解理論
3.1.2 支持向量機的偏差一方差分析
3.2 核參數與入侵檢測性能
3.2.1 KDD入侵檢測基準數據集
3.2.2 核參數選擇對人侵檢測性能的影響
3.3 本章 小結
附錄1支持向量機的參數選擇方法
附錄2KDDCUP99數據描述
第4章 基於不同特徵提取的入侵檢測研究
4.1 基於PCA與ICA特徵提取的入侵檢測集成分類系統
4.1.1 基於PCA與ICA的入侵檢測集成分類系統模型
4.1.2 集成分類系統的子分類器構造方法
4.1.3 子分類器對系統性能的影響研究
4.1.4 核參數對支持向量機學習性能的影響研究
4.2 集成分類系統的增量式學習算法
4.2.1 算法描述
4.2.2 入侵檢測問題的增量式學習性能研究
4.3 漏警與誤警損失的多目標最佳化研究
4.3.1 入侵檢測的不均衡損失問題
4.3.2 漏警與誤警的Pareto多目標最佳化算法
4.3.3 仿真實驗及分析
4.4 本章 小結
第5章 嵌入式支持向量機特徵選擇算法研究
5.1 特徵選擇方法
5.2 基於數據的SVM嵌入式特徵選擇模型
5.2.1 預備知識
5.2.2 SVM嵌入式特徵選擇模型
5.3 一種基於數據的SVM上界誤差估計
5.3.1 F1（K）的計算
5.3.2 F2（K）的計算
5.4 一種新的SVM嵌入式特徵選擇算法
5.5 仿真實驗及分析
5.5.1 分類誤差的光滑化處理
5.5.2 仿真實驗及分析
5.6 本章 小結
第6章 基於負相關學習的支持向量機集成算法
6.1 集成學習
6.1.1 集成學習方法分類
6.1.2 Bagging和Boosting方法
6.2 基於負相關學習的支持向量機集成算法
6.2.1 支持向量機集成的困難性
6.2.2 負相關學習的理論分析
6.2.3 負相關學習支持向量機集成算法的實現
6.3 仿真實驗及分析
6.3.1 人工數據集的實驗和分析
6.3.2 入侵檢測問題的實驗和分析
6.4 本章 小結
第7章 基於免疫多樣性的入侵檢測研究
7.1 人工免疫原理
7.1.1 免疫學的概念和基本原理
7.1.2 免疫系統的特徵及對人侵檢測的借鑑意義
7.2 一種新的基於免疫思想的入侵檢測工作結構
7.3 基於免疫多樣性的人侵檢測算法
7.3.1 免疫多樣性的定義
7.3.2 親和度函式
7.3.3 抗體表達方式——隨機子空間法
7.3.4 基於免疫多樣性的入侵檢測算法
7.4 仿真實驗及分析
7.5 本章 小結
第8章 總結與展望
