| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-13页 |
| ·研究背景和意义 | 第10-11页 |
| ·主要研究内容 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 2 入侵检测方法与技术 | 第13-21页 |
| ·入侵检测的发展历史 | 第13-15页 |
| ·入侵检测技术的分类 | 第15-17页 |
| ·根据检测方法的分类 | 第15页 |
| ·根据检测数据来源的分类 | 第15-17页 |
| ·根据系统结构分类 | 第17页 |
| ·当前主要的入侵检测技术分析 | 第17-19页 |
| ·现有入侵检测方法的不足 | 第19页 |
| ·入侵检测方法的发展趋势 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 人工免疫与入侵检测系统 | 第21-35页 |
| ·自然免疫学基础 | 第21-26页 |
| ·免疫系统概述 | 第21-22页 |
| ·免疫识别 | 第22-23页 |
| ·受体多样性 | 第23页 |
| ·适应性 | 第23-24页 |
| ·免疫耐受 | 第24-26页 |
| ·人工免疫系统 | 第26-28页 |
| ·自然免疫系统对AIS 的启示 | 第26-27页 |
| ·什么是AIS | 第27页 |
| ·AIS 的应用概述 | 第27-28页 |
| ·人工免疫系统和入侵检测系统的比较 | 第28-29页 |
| ·基于人工免疫学的入侵检测系统的研究现状 | 第29-31页 |
| ·免疫学习算法研究 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4 一种人工免疫入侵检测中基于人工神经网络的自体更新方法 | 第35-48页 |
| ·课题的分析与提出 | 第35-37页 |
| ·已有检测方法存在的不足 | 第35-36页 |
| ·对已有检测方法的改进 | 第36-37页 |
| ·本文提出的方法概述 | 第37-38页 |
| ·自体集更新 | 第38-43页 |
| ·自体集更新流程概述 | 第38-39页 |
| ·应用BP 人工神经网络进行自体集的更新 | 第39-43页 |
| ·成熟检测器的更新 | 第43-45页 |
| ·成熟检测器更新流程概述 | 第43-44页 |
| ·基于异常数据集的克隆选择 | 第44-45页 |
| ·模型中的亲和力计算 | 第45页 |
| ·模型其它细节 | 第45-46页 |
| ·相似度计算 | 第45-46页 |
| ·匹配规则 | 第46页 |
| ·本章小结 | 第46-48页 |
| 5 模型的试验与分析 | 第48-60页 |
| ·试验数据的介绍 | 第48-49页 |
| ·试验数据的重新编码 | 第49-52页 |
| ·验证神经网络正确性 | 第52-53页 |
| ·模型整体检验 | 第53-58页 |
| ·模型参数的选取 | 第53-56页 |
| ·模型的对比试验 | 第56-58页 |
| ·试验小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| ·论文的工作总结 | 第60-61页 |
| ·进一步的工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-68页 |