內容簡介
《基於聚類的入侵檢測算法研究》以聚類分析為基本工具，圍繞入侵檢測這一目標展開討論。包括：入侵檢測的相關概念和研究現狀；聚類分析的基礎知識；針對入侵檢測問題中數據具有大規模和混合屬性的特點，重點研究數據之間的差異性度量方法，高效自適應聚類算法；在介紹現有經典的異常挖掘算法的基礎上，提出異常因子的度量方法，進而研究靜態異常挖掘算法；改進最近鄰分類方法，在靜態異常檢測的基礎上，研究一類動態數據的異常檢測，將入侵檢測問題視為動態數據的異常檢測問題；總結並對後續研究工作進行展望。
《基於聚類的入侵檢測算法研究》通過實例說明原理，對從事數據挖掘、入侵檢測的科技人員具有重要的參考價值。還可作為計算機、信息技術等專業的研究生學習、研究的參考資料。
作者簡介
蔣盛益，(1963-),男,教授、博士,主研方向:數據挖掘,網路安全。
目錄
第1章入侵檢測概述
1.1研究背景
1.2計算機安全與入侵檢測
1.3入侵檢測技術研究概述
1.4典型入侵檢測產品
1.5入侵檢測發展趨勢
第2章聚類分析基礎
2.1聚類分析及其套用
2.2聚類分析研究的主要內容
2.3典型聚類方法（技術）及特點介紹
2.4相似性度量
2.5聚類算法的性能評價
2.6數據挖掘對聚類的典型要求
2.7聚類分析中幾個挑戰性問題
第3章面向大規模數據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
3.2一種增強的k-means聚類算法
3.3基於最小距離原則的聚類算法
3.4基於引力的聚類方法GCA
3.5基於相似度的聚類算法CABMS
3.6基於投票機制的融合聚類算法
3.7本章小結
第4章異常挖掘算法研究
4.1異常挖掘及其套用
4.2典型異常挖掘方法介紹
4.3一種增強的局部異常挖掘算法
4.4兩階段異常挖掘方法TOD
4.5基於聚類的異常挖掘方法CBOD
4.6基於萬有引力的異常挖掘算法ODBUG
4.7小結及未來研究展望
第5章基於聚類的入侵檢測方法
5.1有指導的入侵檢測方法與無指導的入侵檢測方法
5.2有指導入侵檢測方法CBSID-1
5.3有指導入侵檢測方法CBSID-2
5.4基於聚類的無指導的入侵檢測方法CBUID
5.5基於引力的入侵檢測方法GBID
5.6基於對象偏離程度的入侵檢測方法DBID
5.7小結
第6章總結與展望
6.1主要工作總結
6.2研究展望
參考文獻
附錄 書中所使用的數據集
1.soybeandisease數據集
2.mushroom數據集
3.CongressionalVotes數據集
4.乳腺癌數據集（Wisconsinbreastcancerdataset）
5.淋巴系造影術數據集（1ymphographydataset）
6.DARPA98數據集
7.KDDCUP99數據集
……
