第1章 绪论
1.1 支持向量机概述
1.2 网络安全
1.2.1 网络安全的定义
1.2.2 p2dr动态安全模型
1.2.3 网络安全防护措施
1.3 支持向量机在网络安全中的应用
第2章 统计学习理论基础
2.1 统计学习理论基础
2.1.1机器学习
2.1.2 统计学习理论
2.1.3 统计学习理论的发展历程
2.2 最优分类超平面
2.2.1 最优超平面
2.2.2 △—间隔分类超平面
2.2.3 构造最优超平面
2.3 支持向量机
2.3.1 高维空间中的推广能力
2.3.2 核函数
2.3.3 构造支持向量机
2.3.4 支持向量分类机
2.3.5 支持向量回归机
2.4 小结
第3章 支持向量机在入侵检测中的应用
3.1 入侵检测系统概述
3.1.1 入侵检测系统的基本结构
3.1.2 入侵检测技术分类
3.1.3 入侵检测系统在安全防卫体系中的位置
3.1.4 入侵检测的研究特征
3.1.5 入侵检测的发展历程
3.2 支持向量机应用于入侵检测的可行性分析
3.3 基于多分类支持向量机的入侵检测方法
3.3.1 c-支持向量分类机
3.3.2 多分类支持向量分类机的构造方法
3.3.3 异构数据集上的核函数
3.3.4 类rbf核函数的修正
3.3.5 基于类rbf核函数的多分类支持向量机
3.3.6 入侵检测实验和结果分析
3.4 c-支持向量分类机和最小二乘支持向量分类机在入侵检测中的性能对比
3.4.1 最小二乘支持向量分类机理论
3.4.2 属性约简
3.4.3 性能对比实验和结果分析
3.5 one-class支持向量分类机在入侵检测中的应用
3.5.1 one-class支持向量分类机理论
3.5.2 不平衡类别数据的入侵检测实验和结果分析
3.6 小结
第4章 支持向量机在入侵报警过滤中的应用
4.1 入侵报警过滤概述
4.1.1 入侵检测系统中的误报警及产生的原因
4.1.2 误报警过滤方法的研究现状
4.2 支持向量机应用于入侵报警过滤的可行性分析
4.3 基于支持向量机的入侵报警过滤方法
4.3.1 基本报警属性
4.3.2 误报警过滤的评价指标
4.3.3 基于支持向量机的误报警过滤方法
4.3.4 误报警过滤实验和结果分析
4.4 小结
第5章 支持向量机在网络安全风险评估和态势预测中的应用
5.1 网络安全风险评估和态势预测概述
5.1.1 网络安全风险评估基础理论及研究现状
5.1.2 网络态势预测基础理论及研究现状
5.2 支持向量机应用于网络安全风险评估和态势预测的可行性
5.2.1 支持向量机应用于网络安全风险评估可行性
5.2.2 支持向量机应用于网络态势预测的可行性
5.3 基于支持向量机的网络安全风险评估方法
5.3.1 基于二叉树的多类分类方法
5.3.2 基于支持向量机的网络安全评估模型
5.3.3 网络安全风险评估实验和结果分析
5.4 基于支持向量机的网络态势预测方法
5.4.1 ε—支持向量回归机
5.4.2 基于支持向量机的网络态势预测模型
5.4.3 网络态势预测实验和结果分析
5.5 小结
第6章 支持向量机在网络安全其他方面的应用
6.1 支持向量？在病毒程序检测中的应用
6.1.1 计算机病毒防治概述
6.1.2 支持向量机理论应用于病毒程序检测的可行性分析
6.1.3 基于支持向量机的病毒程序检测方法
6.1.4 病毒程序检测实验和结果分析
6.1.5 总结与分析
6.2 支持向量机在计算机键盘用户身份验真中的应用
6.2.1 身份验真概述
6.2.2 支持向量机应用于身份验真的可行性
6.2.3 基于支持向量机的计算机键盘用户验真方法
6.2.4 计算机键盘用户验真实验和结果分析
6.2.5 总结与分析
6.3 支持向量机在垃圾邮件过滤中的应用
6.3.1 垃圾邮件过滤概述
6.3.2 支持向量机应用于垃圾邮件过滤的可行性分析
6.3.3 基于支持向量机的中文垃圾邮件过滤方法
6.3.4 中文垃圾邮件过滤实验和结果分析
6.3.5 总结与分析
6.4 小结
第7章 总结与展望
7.1 总结
7.2 展望
7.2.1 支持向量机理论的未来展望
7.2.2 支持向量机在网络安全中应用的未来展望
参考文献
展开
