| 第一章 绪论 | 第1-12页 |
| ·论文背景 | 第7页 |
| ·入侵检测系统的研究现状 | 第7-8页 |
| ·入侵检测中的数据挖掘方法 | 第8-10页 |
| ·本文研究的目的和意义 | 第10-11页 |
| ·本文的结构和内容 | 第11-12页 |
| 第二章 入侵检测的主要方法分析 | 第12-23页 |
| ·入侵检测的概念 | 第12页 |
| ·入侵检测体系结构 | 第12-15页 |
| ·基于主机的入侵检测系统 | 第13页 |
| ·基于网络的入侵检测 | 第13-14页 |
| ·基于Agent的混合分布式入侵检测系统 | 第14页 |
| ·基于内核的入侵检测系统 | 第14-15页 |
| ·入侵检测常用方法 | 第15-21页 |
| ·滥用检测方法 | 第15-17页 |
| ·异常检测方法 | 第17-21页 |
| ·小结 | 第21-23页 |
| 第三章 模糊聚类理论及基本算法 | 第23-31页 |
| ·模糊理论简介 | 第23-24页 |
| ·聚类算法 | 第24-25页 |
| ·聚类的概念 | 第24页 |
| ·聚类算法的分类 | 第24-25页 |
| ·模糊聚类 | 第25-27页 |
| ·C-means算法 | 第27页 |
| ·模糊C-means算法 | 第27-29页 |
| ·模糊聚类算法在入侵检测中的应用 | 第29-31页 |
| 第四章 基于免疫进化的模糊C-均值入侵检测算法 | 第31-43页 |
| ·免疫机理 | 第31-32页 |
| ·免疫算法的理论研究背景 | 第31页 |
| ·免疫算法 | 第31-32页 |
| ·基于免疫进化的模糊C-均值入侵检测算法 | 第32-36页 |
| ·编码 | 第33页 |
| ·适应度函数的构造 | 第33页 |
| ·相异性度量 | 第33-34页 |
| ·个体更新方法 | 第34-35页 |
| ·免疫算子及算法流程 | 第35-36页 |
| ·数据预处理 | 第36-38页 |
| ·数据集 | 第37页 |
| ·二义性的去除 | 第37页 |
| ·归一化 | 第37-38页 |
| ·实验仿真和算法分析 | 第38-41页 |
| ·仿真结果 | 第39页 |
| ·进行交叉验证 | 第39-41页 |
| ·小结 | 第41-43页 |
| 第五章 基于免疫克隆选择的模糊C-均值入侵检测方法 | 第43-53页 |
| ·免疫克隆选择算法 | 第43-46页 |
| ·免疫克隆机理 | 第43-44页 |
| ·克隆算子 | 第44-46页 |
| ·免疫克隆选择的模糊C-均值混合聚类算法 | 第46-48页 |
| ·编码方案 | 第46页 |
| ·亲和度函数的设计 | 第46-47页 |
| ·相异性度量 | 第47页 |
| ·个体更新 | 第47-48页 |
| ·数据预处理 | 第48-50页 |
| ·数据集描述 | 第48-49页 |
| ·二义性的去除 | 第49页 |
| ·归一化 | 第49-50页 |
| ·实验仿真及算法分析 | 第50-52页 |
| ·结论 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 在读期间的研究成果 | 第59页 |