基于粗集理论与免疫策略的入侵检测方法研究
| 第一章 绪论 | 第1-15页 |
| ·网络安全关键技术的背景及现状 | 第9-12页 |
| ·防火墙 | 第9-10页 |
| ·入侵检测 | 第10-11页 |
| ·防病毒 | 第11-12页 |
| ·人工智能新技术在入侵检测中的应用现状 | 第12-13页 |
| ·论文内容及章节安排 | 第13-15页 |
| 第二章 入侵检测概述 | 第15-21页 |
| ·入侵类型的分类 | 第15-16页 |
| ·入侵检测模型的分类及理论基础 | 第16-17页 |
| ·入侵检测系统的结构及分类 | 第17-21页 |
| ·入侵检测系统的结构 | 第17页 |
| ·入侵检测系统的分类 | 第17-18页 |
| ·几种典型的入侵检测系统 | 第18-21页 |
| 第三章 机器学习算法在入侵检测系统中的应用 | 第21-39页 |
| ·DARPA99入侵检测离线评估数据集 | 第21-26页 |
| ·DARPA99中的Probe攻击类型 | 第23-24页 |
| ·DARPA99中的DoS攻击类型 | 第24-26页 |
| ·DARPA99中的R2L攻击类型 | 第26页 |
| ·用于入侵检测的机器学习方法 | 第26-27页 |
| ·带有时间因子的动态机器学习模型 | 第27-33页 |
| ·动态模型的引入 | 第28-30页 |
| ·采用动态模型的算法描述 | 第30-33页 |
| ·基于改进的动态机器学习模型之算法实现及结果分析 | 第33-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 粗糙集理论在入侵检测中的应用 | 第39-47页 |
| ·粗糙集理论基础 | 第39-43页 |
| ·粗糙集理论的有关概念 | 第39-40页 |
| ·粗糙集理论中的连续属性的离散化 | 第40-43页 |
| ·粗糙集理论中的属性约简 | 第43-44页 |
| ·粗糙集理论用于入侵检测 | 第44-45页 |
| ·本章小节 | 第45-47页 |
| 第五章 粗糙集与免疫进化算法在入侵检测中的应用 | 第47-57页 |
| ·用于属性约简的免疫进化算法 | 第47-49页 |
| ·免疫进化算法描述 | 第47-48页 |
| ·属性编码方案 | 第48页 |
| ·适应度函数设计 | 第48页 |
| ·选择操作 | 第48页 |
| ·交叉与变异 | 第48-49页 |
| ·免疫操作 | 第49页 |
| ·基于粗糙集和免疫进化算法的入侵检测方法 | 第49-53页 |
| ·预处理过程 | 第51-53页 |
| ·连续属性的离散化问题 | 第53页 |
| ·仿真实验与结果分析 | 第53-55页 |
| ·本章小节 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·全文的总结 | 第57-58页 |
| ·入侵检测技术领域的展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 在读研期间发表的论文 | 第63-64页 |
| 附录A 规则集及规则列表 | 第64-69页 |
| 附录B 字符属性域对应的303种编号属性 | 第69-77页 |
| 附录C 连续属性离散化后的决策表 | 第77-78页 |
