| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 入侵检测系统的研究现状 | 第9-10页 |
| 1.2.2 人工免疫系统的研究现状 | 第10-11页 |
| 1.2.3 特征选择算法的研究现状 | 第11-13页 |
| 1.3 论文组织架构 | 第13-14页 |
| 第二章 入侵检测的相关问题 | 第14-25页 |
| 2.1 入侵检测概念 | 第14-17页 |
| 2.2 入侵检测方法 | 第17-22页 |
| 2.2.1 入侵检测方法的分类 | 第17-18页 |
| 2.2.2 近年的入侵检测方法 | 第18-22页 |
| 2.3 入侵检测系统的主要评价标准 | 第22-23页 |
| 2.4 入侵检测面临的问题 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 改进的AIS克隆选择算法 | 第25-44页 |
| 3.1 人工免疫系统 | 第25-29页 |
| 3.1.1 人工免疫系统 | 第25页 |
| 3.1.2 人工免疫系统应用于入侵检测的原理 | 第25-27页 |
| 3.1.3 人工免疫系统在入侵检测中的优势 | 第27页 |
| 3.1.4 人工免疫系统应用于入侵检测中的算法 | 第27-29页 |
| 3.2 BP神经网络 | 第29-32页 |
| 3.2.1 BP神经网络的概念 | 第29-31页 |
| 3.2.2 BP神经网络与人工免疫系统的区别 | 第31-32页 |
| 3.3 克隆选择算法 | 第32-33页 |
| 3.4 改进的克隆选择算法 | 第33-37页 |
| 3.4.1 特征提取 | 第33-34页 |
| 3.4.2 改进的克隆选择算法 | 第34-37页 |
| 3.5 实验分析 | 第37-43页 |
| 3.5.1 选择的数据集 | 第37-41页 |
| 3.5.2 仿真试验与分析 | 第41-42页 |
| 3.5.3 人工免疫与神经网络的仿真试验比较 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 改进的混合型特征选择算法 | 第44-59页 |
| 4.1 特征选择算法面临的问题 | 第44页 |
| 4.2 特征选择算法 | 第44-47页 |
| 4.2.1 特征选择的定义 | 第44-45页 |
| 4.2.2 特征选择常用的方法 | 第45-47页 |
| 4.3 本章的特征选择算法 | 第47-49页 |
| 4.4 实验数据集 | 第49-55页 |
| 4.4.1 数据集的描述 | 第49-54页 |
| 4.4.2 数据集预处理 | 第54-55页 |
| 4.5 实验结果的比较与分析 | 第55-58页 |
| 4.5.1 实验评价标准 | 第55页 |
| 4.5.2 特征选择的结果 | 第55-56页 |
| 4.5.3 实验的对比结果及分析 | 第56-58页 |
| 4.6 本章结论 | 第58-59页 |
| 第五章 混合型特征选择结合改进的AIS克隆选择算法在入侵检测中的应用 | 第59-65页 |
| 5.1 混合型特征选择算法 | 第59-64页 |
| 5.1.1 实验数据 | 第59页 |
| 5.1.2 仿真实验对比分析 | 第59-64页 |
| 5.2 本章总结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |