免疫优化算法在网络入侵误报警中的应用
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题的研究背景以及意义 | 第11-13页 |
| 1.1.1 课题的研究背景 | 第11-12页 |
| 1.1.2 课题的研究意义 | 第12-13页 |
| 1.2 国内外的研究现状 | 第13-16页 |
| 1.2.1 网络入侵检测技术的研究近况 | 第13-15页 |
| 1.2.2 网络入侵过滤误报警技术的研究近况 | 第15-16页 |
| 1.3 论文的研究内容以及结构安排 | 第16-19页 |
| 第二章 入侵检测的相关概论与生物学免疫机理 | 第19-31页 |
| 2.1 入侵检测系统的相关概述 | 第19-22页 |
| 2.1.1 入侵检测的相关概念 | 第19-20页 |
| 2.1.2 入侵检测系统的分类与技术方法 | 第20-22页 |
| 2.1.3 入侵检测报警系统的概述 | 第22页 |
| 2.2 生物学免疫机理 | 第22-24页 |
| 2.2.1 生物学免疫的相关概念 | 第22-23页 |
| 2.2.2 生物学免疫的特性 | 第23-24页 |
| 2.3 人工免疫系统概述 | 第24-30页 |
| 2.3.1 人工免疫系统的相关论述 | 第24-27页 |
| 2.3.2 人工免疫系统中的算法 | 第27-28页 |
| 2.3.3 基于人工免疫的网络入侵过滤误报警模型 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于改进的否定选择算法的网络故障诊断 | 第31-43页 |
| 3.1 相关描述 | 第31-32页 |
| 3.2 差分进化算法理论及其一些改进方法 | 第32-34页 |
| 3.2.1 差分进化算法思想 | 第32页 |
| 3.2.2 差分进化算法的一些改进方法 | 第32-34页 |
| 3.3 改进的否定选择算法 | 第34-39页 |
| 3.3.1 标准的否定选择算法 | 第34页 |
| 3.3.2 改进的否定选择算法 | 第34-39页 |
| 3.4 仿真实验及其结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于模糊规则的免疫算法在网络入侵中的应用 | 第43-55页 |
| 4.1 相关概述 | 第43页 |
| 4.2 模糊理论 | 第43-47页 |
| 4.2.1 模糊系统 | 第44-46页 |
| 4.2.2 模糊逻辑规则 | 第46-47页 |
| 4.3 无监督学习算法和监督学习算法 | 第47-48页 |
| 4.3.1 无监督学习算法 | 第47页 |
| 4.3.2 监督学习算法 | 第47-48页 |
| 4.4 基于模糊规则的人工免疫算法模型 | 第48-53页 |
| 4.4.1 特征选取 | 第48-49页 |
| 4.4.2 关联概率 | 第49-50页 |
| 4.4.3 人工免疫优化算法 | 第50-51页 |
| 4.4.4 算法流程及其步骤 | 第51-53页 |
| 4.5 实验仿真与结果分析 | 第53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 免疫优化理论在网络入侵误报警中的应用 | 第55-65页 |
| 5.1 模型结构 | 第55-56页 |
| 5.2 模型的实验环境平台与实验设计 | 第56-57页 |
| 5.2.1 实验环境平台 | 第56-57页 |
| 5.2.2 实验设计 | 第57页 |
| 5.3 数据的来源及其处理 | 第57-59页 |
| 5.3.1 数据来源与特点 | 第57-58页 |
| 5.3.2 数据预处理 | 第58-59页 |
| 5.4 实验结果分析 | 第59-63页 |
| 5.4.1 检测异常模块的检测器优化结果 | 第59-61页 |
| 5.4.2 处理报警模块的效率 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 论文总结 | 第65页 |
| 6.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75页 |
| 攻读硕士学位期间参加的科研项目 | 第75页 |
