| 第一章 绪论 | 第1-18页 |
| 1．1 入侵检测技术的背景研究 | 第7-10页 |
| 1．1．1 传统的安全技术 | 第7-9页 |
| 1．1．2 传统的安全模型的局限性 | 第9-10页 |
| 1．1．3 入侵检测技术的诞生 | 第10页 |
| 1．2 入侵检测技术概述 | 第10-12页 |
| 1．2．1 入侵检测系统的几个里程碑 | 第10-11页 |
| 1．2．2 入侵检测系统的组成与结构 | 第11-12页 |
| 1．3 现有的入侵检测分析技术 | 第12-16页 |
| 1．3．1 误用检测 | 第13-14页 |
| 1．3．2 异常检测 | 第14-15页 |
| 1．3．3 入侵检测技术的发展方向 | 第15-16页 |
| 1．4 论文内容和章节安排 | 第16-18页 |
| 第二章 小波网络 | 第18-31页 |
| 2．1 小波分析理论基础 | 第18-20页 |
| 2．1．1 小波分析的思想来源与发展史 | 第18-19页 |
| 2．1．2 当前小波应用研究工作的几个重要方面 | 第19页 |
| 2．1．3 小波及小波变换理论 | 第19-20页 |
| 2．2 神经网络理论基础 | 第20-26页 |
| 2．2．1 人工神经元模型与网络结构 | 第20-21页 |
| 2．2．2 神经网络的学习 | 第21-24页 |
| 2．2．3 BP算法 | 第24-26页 |
| 2．3 小波网络理论基础 | 第26-31页 |
| 2．3．1 小波分析与神经网络的结合——小波网络 | 第26-27页 |
| 2．3．2 小波网络学习算法 | 第27-29页 |
| 2．3．3 WNN、RBF以及BP网络的比较 | 第29-31页 |
| 第三章 人工免疫系统 | 第31-38页 |
| 3．1 引言 | 第31-33页 |
| 3．1．1 人工免疫系统的研究概况 | 第31-32页 |
| 3．1．2 几个基本概念 | 第32-33页 |
| 3．2 免疫算法 | 第33-36页 |
| 3．2．1 以遗传算法为代表的进化计算及其瓶颈问题 | 第33-34页 |
| 3．2．2 免疫算法的一般步骤 | 第34-36页 |
| 3．3 免疫克隆选择算法 | 第36-38页 |
| 3．3．1 克隆选择学说 | 第36页 |
| 3．3．2 免疫克隆选择算法基本步骤 | 第36-38页 |
| 第四章 基于小波网络的入侵检测模型 | 第38-44页 |
| 4．1 入侵检测数据源的选择 | 第38-39页 |
| 4．2 基于小波网络的入侵检测模型的实现 | 第39-41页 |
| 4．2．1 基于小波网络的入侵检测模型的构建 | 第39页 |
| 4．2．2 小波网络的实现 | 第39-40页 |
| 4．2．3 数据预处理 | 第40-41页 |
| 4．3 仿真实验与结果分析 | 第41-44页 |
| 第五章 基于进化小波网络的入侵检测技术 | 第44-54页 |
| 5．1 学习算法的重要性 | 第44-45页 |
| 5．2 基于免疫自适应小波网络的入侵检测算法 | 第45-49页 |
| 5．2．1 基于小波网络的入侵检测模型的免疫学习算法的实现 | 第45-47页 |
| 5．2．2 仿真实验与结果分析 | 第47-49页 |
| 5．3 基于免疫克隆选择小波网络的入侵检测算法 | 第49-54页 |
| 5．3．1 递阶结构的染色体编码方案 | 第49页 |
| 5．3．2 免疫克隆选择算法的实现 | 第49-51页 |
| 5．3．3 仿真实验与结果分析 | 第51-54页 |
| 第六章 总结与展望 | 第54-57页 |
| 6．1 全文的总结 | 第54-55页 |
| 6．1．1 本论文的研究意义 | 第54页 |
| 6．1．2 本论文的创新之处 | 第54-55页 |
| 6．2 入侵检测系统的展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 读研期间发表的论文 | 第67页 |