| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-15页 |
| ·概述 | 第12-13页 |
| ·课题研究背景 | 第13页 |
| ·论文主要的研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 垃圾邮件过滤技术 | 第15-23页 |
| ·常用的垃圾邮件过滤技术 | 第15-20页 |
| ·服务器端和客户端的过滤 | 第16-17页 |
| ·基于IP地址的过滤 | 第17-18页 |
| ·基于规则的过滤 | 第18页 |
| ·基于内容的过滤 | 第18-20页 |
| ·垃圾邮件过滤新技术 | 第20-23页 |
| ·行为模式识别技术 | 第20-21页 |
| ·基于人工智能和计算智能的过滤技术 | 第21-22页 |
| ·基于免疫机制的过滤技术 | 第22-23页 |
| 第三章 人工免疫系统原理 | 第23-30页 |
| ·人工免疫系统的发展 | 第23-25页 |
| ·人工免疫系统的生物学免疫机制 | 第25-26页 |
| ·免疫识别 | 第25页 |
| ·免疫记忆 | 第25-26页 |
| ·自体耐受 | 第26页 |
| ·多样性 | 第26页 |
| ·分布性 | 第26页 |
| ·人工免疫算法 | 第26-29页 |
| ·免疫算法基本框架 | 第27页 |
| ·否定选择算法 | 第27-28页 |
| ·克隆选择算法 | 第28-29页 |
| ·生物免疫系统与垃圾邮件过滤系统 | 第29-30页 |
| 第四章 基于人工免疫的垃圾邮件过滤系统模型ECSBAI | 第30-53页 |
| ·ECSBAI系统模型设计 | 第30-35页 |
| ·ECSBAI系统模型概述 | 第30-33页 |
| ·模型符号及数据结构定义 | 第33-34页 |
| ·检测器检测函数 | 第34-35页 |
| ·ECSBAI模型关键模块的设计与实现 | 第35-48页 |
| ·垃圾邮件检测器的生成、成熟、死亡过程 | 第35-41页 |
| ·未知邮件的预处理、检测和处理 | 第41-46页 |
| ·事件处理 | 第46-47页 |
| ·用户协同确认 | 第47-48页 |
| ·实验分析与验证 | 第48-53页 |
| ·系统关键参数选取对过滤效果影响分析 | 第48-51页 |
| ·与同类研究的比较分析 | 第51-53页 |
| 第五章 基于人工免疫的垃圾邮件过滤算法的改进 | 第53-62页 |
| ·AISEC算法及其存在的不足 | 第53-55页 |
| ·基于基因权重的检测器生成算法 | 第55-56页 |
| ·改进的检测器生成算法 | 第55页 |
| ·基因库的动态调整策略 | 第55-56页 |
| ·改进的邮件检测算法 | 第56-59页 |
| ·结构定义说明 | 第57页 |
| ·算法描述 | 第57-59页 |
| ·检测器集合的动态更新 | 第59页 |
| ·实验及结果分析 | 第59-62页 |
| ·实验一：改进的检测器生成算法DGBGW与原算法DGR的对比 | 第60-61页 |
| ·实验二：改进的邮件检测算法AIECA-I | 第61-62页 |
| 第六章 基于人工免疫的含木马垃圾邮件的检测 | 第62-71页 |
| ·基于人工免疫的木马检测模型 | 第62-65页 |
| ·抗体/抗原结构定义 | 第63-64页 |
| ·系统参数分析 | 第64-65页 |
| ·模型结构设计 | 第65-67页 |
| ·数据预处理 | 第66页 |
| ·否定选择 | 第66页 |
| ·成熟检测器 | 第66-67页 |
| ·记忆检测器 | 第67页 |
| ·变异 | 第67页 |
| ·工作原理 | 第67-69页 |
| ·仿真实验 | 第69-71页 |
| 第七章 论文总结与进一步的研究工作 | 第71-72页 |
| ·论文工作总结 | 第71页 |
| ·进一步的研究工作 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果 | 第76页 |