| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 图目录 | 第12-14页 |
| 表目录 | 第14-15页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 引言 | 第15-17页 |
| 1.2 计算机取证的发展 | 第17-21页 |
| 1.2.1 国外计算机取证发展概况 | 第17-20页 |
| 1.2.2 国内计算机取证发展概况 | 第20-21页 |
| 1.3 电子证据 | 第21-23页 |
| 1.3.1 电子证据的特点 | 第21-22页 |
| 1.3.2 电子证据的来源 | 第22-23页 |
| 1.4 计算机取证程序 | 第23-25页 |
| 1.4.1 计算机取证原则 | 第23-24页 |
| 1.4.2 计算机取证过程 | 第24-25页 |
| 1.5 取证分析技术急待解决的问题 | 第25-26页 |
| 1.6 研究内容 | 第26-27页 |
| 1.7 内容组织 | 第27-29页 |
| 第2章 计算机取证调查过程模型研究 | 第29-47页 |
| 2.1 引言 | 第29-30页 |
| 2.2 国外取证过程模型的发展 | 第30-36页 |
| 2.2.1 基本过程模型 | 第30页 |
| 2.2.2 事件响应过程模型 | 第30-31页 |
| 2.2.3 法律执行过程模型 | 第31-32页 |
| 2.2.4 抽象过程模型 | 第32-33页 |
| 2.2.5 集成数字调查过程模型 | 第33页 |
| 2.2.6 综合数字调查过程模型 | 第33-35页 |
| 2.2.7 增强数字调查过程模型 | 第35-36页 |
| 2.3 国内取证过程模型的发展 | 第36-39页 |
| 2.3.1 计算机取证层次模型 | 第36-37页 |
| 2.3.2 基于需求的计算机取证过程模型 | 第37页 |
| 2.3.3 多维计算机取证过程模型 | 第37-39页 |
| 2.4 计算机取证调查过程模型 | 第39-44页 |
| 2.4.1 我国计算机取证法学问题现状 | 第39-40页 |
| 2.4.2 计算机取证调查过程与传统证据调查过程的区别 | 第40-42页 |
| 2.4.3 计算机取证调查过程模型结构 | 第42-44页 |
| 2.5 本章小结 | 第44-47页 |
| 第3章 人工免疫行为轮廓证据分析方法 | 第47-65页 |
| 3.1 引言 | 第47-49页 |
| 3.2 关联规则挖掘 | 第49-50页 |
| 3.3 人工免疫系统和克隆选择算法 | 第50-53页 |
| 3.3.1 人工免疫系统 | 第50-52页 |
| 3.3.2 免疫克隆选择算法 | 第52-53页 |
| 3.4 人工免疫行为轮廓证据分析原理 | 第53-55页 |
| 3.4.1 数据预处理 | 第54页 |
| 3.4.2 行为轮廓构造 | 第54-55页 |
| 3.4.3 异常数据检测 | 第55页 |
| 3.5 行为轮廓构造算法 | 第55-58页 |
| 3.5.1 亲和度函数 | 第56页 |
| 3.5.2 克隆操作 | 第56页 |
| 3.5.3 克隆变异 | 第56-57页 |
| 3.5.4 克隆重组 | 第57页 |
| 3.5.5 克隆选择 | 第57页 |
| 3.5.6 算法流程 | 第57-58页 |
| 3.6 实验结果及分析 | 第58-63页 |
| 3.6.1 实验数据集 | 第58页 |
| 3.6.2 用关联规则构造行为轮廓的实验结果 | 第58-60页 |
| 3.6.3 用频繁模式构造行为轮廓的实验结果 | 第60-62页 |
| 3.6.4 异常数据检测实验结果 | 第62-63页 |
| 3.7 本章小结 | 第63-65页 |
| 第4章 隐马尔科夫模型证据融合方法 | 第65-87页 |
| 4.1 引言 | 第65-67页 |
| 4.2 隐马尔科夫模型及其解码算法 | 第67-70页 |
| 4.2.1 隐马尔科夫模型 | 第67-69页 |
| 4.2.2 隐马尔科夫模型解码算法 | 第69-70页 |
| 4.3 计算机证据元数据表示方法 | 第70-74页 |
| 4.3.1 计算机证据元数据 | 第70-72页 |
| 4.3.2 计算机证据元数据的表示 | 第72-74页 |
| 4.4 元证据的聚合 | 第74-77页 |
| 4.4.1 差异度 | 第75-76页 |
| 4.4.2 元证据聚合算法 | 第76-77页 |
| 4.5 HMM证据融合原理 | 第77-78页 |
| 4.6 证据链构造算法 | 第78-80页 |
| 4.7 实验结果及分析 | 第80-86页 |
| 4.7.1 实验数据集 | 第81页 |
| 4.7.2 实验结果与分析 | 第81-86页 |
| 4.8 本章小结 | 第86-87页 |
| 第5章 人工免疫网络聚类数据过滤方法 | 第87-109页 |
| 5.1 引言 | 第87-89页 |
| 5.2 人工免疫网络数据流聚类原理 | 第89-95页 |
| 5.2.1 数据流 | 第89-91页 |
| 5.2.2 人工免疫网络聚类原理 | 第91-95页 |
| 5.3 人工免疫网络聚类过滤原理 | 第95-96页 |
| 5.4 人工免疫网络聚类过滤算法 | 第96-102页 |
| 5.4.1 抗原 | 第97页 |
| 5.4.2 抗原和DIB的隶属度 | 第97-98页 |
| 5.4.3 DIB的刺激 | 第98-99页 |
| 5.4.4 人工免疫网络的进化 | 第99-100页 |
| 5.4.5 人工免疫网络规模的抑制 | 第100页 |
| 5.4.6 算法流程 | 第100-102页 |
| 5.5 实验结果及分析 | 第102-107页 |
| 5.5.1 实验数据集 | 第102页 |
| 5.5.2 实验数据预处理 | 第102-105页 |
| 5.5.3 实验结果与分析 | 第105-107页 |
| 5.6 本章小结 | 第107-109页 |
| 第6章 总结与展望 | 第109-113页 |
| 6.1 引言 | 第109页 |
| 6.2 研究成果 | 第109-110页 |
| 6.3 下一步工作 | 第110-113页 |
| 参考文献 | 第113-121页 |
| 攻读博士学位期间撰写的论文 | 第121-123页 |
| 攻读博士学位期间参与/主持的科研项目 | 第123-125页 |
| 致谢 | 第125页 |