| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·网络安全现状 | 第11-12页 |
| ·网络安全技术 | 第12-13页 |
| ·防火墙技术 | 第12-13页 |
| ·入侵检测技术 | 第13页 |
| ·基于人工免疫的入侵检测技术 | 第13-14页 |
| ·论文主要内容 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第二章 入侵检测技术分析 | 第16-31页 |
| ·入侵检测系统的通用检测模型及其原理 | 第16-17页 |
| ·入侵检测技术发展过程 | 第17-18页 |
| ·入侵检测的分类 | 第18-20页 |
| ·先进入侵检测技术 | 第20-26页 |
| ·基于神经网络的入侵检测技术 | 第20-23页 |
| ·基于数据挖掘的入侵检测技术 | 第23-24页 |
| ·基于数据融合的入侵检测技术 | 第24-25页 |
| ·基于计算机免疫学的入侵检测技术 | 第25-26页 |
| ·基于进化计算的入侵检测技术 | 第26页 |
| ·分布式入侵检测技术 | 第26-30页 |
| ·分布式技术 | 第27-28页 |
| ·基于智能体群(Agents)分布式网络系统结构 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 人工免疫系统简介 | 第31-36页 |
| ·自然生物免疫机理 | 第31页 |
| ·人工免疫系统的基本功能 | 第31-32页 |
| ·人工免疫系统的特点 | 第32页 |
| ·人工免疫的“self”与“nonself”集的构造 | 第32页 |
| ·人工免疫的基本方法 | 第32-35页 |
| ·基于免疫网络学说的人工免疫网络模型 | 第33页 |
| ·基于免疫特异性的负选择算法 | 第33-34页 |
| ·免疫进化算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 一种新型的基于人工免疫的入侵检测系统 | 第36-43页 |
| ·模型的检测原理 | 第36页 |
| ·模型的基本结构框架 | 第36-37页 |
| ·模型基因库的分类 | 第37-38页 |
| ·模型的物理结构 | 第38-39页 |
| ·“self”与“nonself”的构造 | 第39页 |
| ·免疫匹配算法的设计 | 第39-40页 |
| ·检测器的设计 | 第40-42页 |
| ·检测器的设计 | 第40页 |
| ·检测器的结构 | 第40-41页 |
| ·检测代理的生成算法 | 第41页 |
| ·检测器的生命周期 | 第41-42页 |
| ·模型系统的工作流程 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于遗传算法的基因库的生成与进化 | 第43-59页 |
| ·基于网络的入侵检测模式分析 | 第43-44页 |
| ·遗传算法(Genetic Algorithm)分析 | 第44-45页 |
| ·模拟退火算法(Simulated Annealing)分析 | 第45-48页 |
| ·基于模拟退火的遗传算法(Genetic Algorithm)设计 | 第48-49页 |
| ·基于模拟退火遗传算法(Genetic Algorithm)的实现方法 | 第49-50页 |
| ·基因库的编码与初始化 | 第49页 |
| ·基因重组 | 第49-50页 |
| ·变异算子 | 第50页 |
| ·负选择 | 第50页 |
| ·基因库的进化 | 第50页 |
| ·基于模拟退火的遗传算法的实现 | 第50-58页 |
| ·算法描述 | 第50-52页 |
| ·数据源选择 | 第52-53页 |
| ·自我／非我模式定义 | 第53页 |
| ·基因编码 | 第53-55页 |
| ·试验环境描述 | 第55页 |
| ·试验结果 | 第55-58页 |
| ·试验结果分析 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文的总结 | 第59页 |
| ·进一步的工作 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间的科研情况 | 第65页 |
| 参与的课题 | 第65页 |
