| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1.绪论 | 第10-16页 |
| ·选题背景和意义 | 第10-11页 |
| ·国内外现状 | 第11-13页 |
| ·本文工作 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 2.入侵检测技术概论 | 第16-23页 |
| ·入侵检测 | 第16页 |
| ·入侵检测系统的性能评价指标 | 第16-17页 |
| ·入侵检测系统的分类 | 第17-20页 |
| ·按检测策略分类 | 第17-18页 |
| ·按保护对象分类 | 第18-20页 |
| ·现有入侵检测方法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3.迁移学习理论 | 第23-41页 |
| ·迁移学习的基本思想 | 第23-24页 |
| ·迁移学习的分类 | 第24-26页 |
| ·迁移学习算法 | 第26-27页 |
| ·源域样本选择方法 | 第27-29页 |
| ·分布式网络集成算法 | 第29-31页 |
| ·基于迁移学习的分布式网络集成算法 | 第31-34页 |
| ·DTNL 算法中最优参数与网络结构的选择 | 第34-40页 |
| ·节点数和训练轮数的分析 | 第34-38页 |
| ·DTNL 算法的抗噪性分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4.基于迁移学习的入侵检测系统模型 | 第41-50页 |
| ·入侵检测的一般过程 | 第41-44页 |
| ·数据采集 | 第41-42页 |
| ·数据预处理和数据分析 | 第42页 |
| ·事件响应 | 第42-44页 |
| ·通用入侵检测框架（CIDF） | 第44-46页 |
| ·CIDF 概述 | 第44页 |
| ·CIDF 的工作流程 | 第44-46页 |
| ·基于 CIDF 的 NIDS（网络入侵检测）模型 | 第46-47页 |
| ·一种基于迁移学习的 NIDS（网络入侵检测）模型 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 5.数据处理与结果分析 | 第50-59页 |
| ·KDD Cup’99 入侵数据集 | 第50-55页 |
| ·连接的基本特征 | 第52-53页 |
| ·连接内容特征 | 第53页 |
| ·以 2 秒为事件窗口统计得到的流量统计特征 | 第53-55页 |
| ·实验样本 | 第55-56页 |
| ·实验样本的选择 | 第55页 |
| ·数据预处理 | 第55-56页 |
| ·基于 DNB 的入侵检测结果 | 第56-57页 |
| ·基于 DTNL 的入侵检测结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6.结束语 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·进一步研究展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间发表的主要学术论文 | 第64-65页 |
| 致谢 | 第65-66页 |