| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·入侵检测的背景 | 第8-9页 |
| ·国内外研究发展现状 | 第9-11页 |
| ·研究目的与意义 | 第11-12页 |
| ·论文的内容与结构安排 | 第12-14页 |
| 第二章 入侵检测技术概述 | 第14-23页 |
| ·入侵检测的概念 | 第14-16页 |
| ·网络的入侵行为 | 第16-19页 |
| ·探针型攻击(Probe attacks) | 第16页 |
| ·拒绝服务DoS(Denial of Service attacks) | 第16-17页 |
| ·R2L(Remote to Local attacks) | 第17-18页 |
| ·U2R(User to Root attacks) | 第18-19页 |
| ·数据攻击 | 第19页 |
| ·入侵检测的分类 | 第19-22页 |
| ·行为类别分类方法 | 第19-21页 |
| ·数据采集源分类方法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 入侵检测中的特征选择 | 第23-39页 |
| ·特征选择的原理 | 第23-27页 |
| ·特征选择的概念 | 第23-25页 |
| ·特征选择的一般方法 | 第25-26页 |
| ·特征选择的评价指标 | 第26-27页 |
| ·基于PSO的特征选择 | 第27-31页 |
| ·PSO算法的基本原理 | 第27-29页 |
| ·粒子的位置表示 | 第29页 |
| ·粒子的速度更新 | 第29-30页 |
| ·粒子的位置更新 | 第30页 |
| ·粒子的速度取值 | 第30页 |
| ·适应度函数 | 第30-31页 |
| ·基于Immune_PSO算法的入侵检测特征选择 | 第31-34页 |
| ·Immune_PSO算法的提出 | 第31页 |
| ·Immune_PSO算法的思想 | 第31-33页 |
| ·Immune_PSO算法描述 | 第33页 |
| ·种子粒子的选择 | 第33-34页 |
| ·实验 | 第34-38页 |
| ·实验数据 | 第34-36页 |
| ·实验结果 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于Boosting模糊分类的入侵检测 | 第39-48页 |
| ·系统模型的总体框架 | 第39-40页 |
| ·遗传算法 | 第40-42页 |
| ·遗传算法提出 | 第40-41页 |
| ·遗传算法流程 | 第41-42页 |
| ·模糊分类方法 | 第42-43页 |
| ·模糊规则的获取 | 第43-45页 |
| ·模糊规则的编码 | 第43-44页 |
| ·适应度函数的确定 | 第44页 |
| ·模糊规则的获取 | 第44-45页 |
| ·Boosting模糊分类 | 第45-46页 |
| ·仿真实验与结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 分布式入侵检测系统研究 | 第48-67页 |
| ·分布式入侵检测系统的提出 | 第48-49页 |
| ·传统分布式入侵检测系统模型探讨 | 第49-52页 |
| ·传统的分布式入侵检测系统模型缺点 | 第49-52页 |
| ·分布式入侵检测的理想模型 | 第52页 |
| ·基于代理的分布式入侵检测模型 | 第52-55页 |
| ·静止代理 | 第55-57页 |
| ·移动代理 | 第57-60页 |
| ·入侵追踪目录 | 第60-62页 |
| ·基于代理的分布式入侵检测模型若干问题分析 | 第62-66页 |
| ·分析策略的问题 | 第62页 |
| ·自动适应检测负载的问题 | 第62-63页 |
| ·移动代理平台的选择问题 | 第63-64页 |
| ·代理的通讯问题 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·论文主要工作 | 第67-68页 |
| ·进一步的研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的主要研究成果 | 第74页 |
