| 第一章 绪论 | 第1-14页 |
| 1．1 入侵检测的研究背景和现状 | 第7-9页 |
| 1．1．1 网络安全技术现状 | 第7-9页 |
| 1．1．2 入侵检测系统研究现状 | 第9页 |
| 1．2 智能技术在入侵检测系统中的应用现状 | 第9-11页 |
| 1．3 本文的研究目的和意义 | 第11-12页 |
| 1．4 本文的内容概要 | 第12-14页 |
| 第二章 入侵检测概论 | 第14-22页 |
| 2．1 入侵检测的概念 | 第14页 |
| 2．2 入侵检测系统的结构 | 第14-15页 |
| 2．3 入侵检测系统的分类 | 第15-17页 |
| 2．3．1 基于主机的入侵检测 | 第15-16页 |
| 2．3．2 基于网络的入侵检测 | 第16页 |
| 2．3．3 分布式入侵检测系统 | 第16-17页 |
| 2．4 入侵检测系统评价标准及其发展方向 | 第17-18页 |
| 2．5 入侵检测技术 | 第18-21页 |
| 2．5．1 异常检测 | 第18-20页 |
| 2．5．2 误用检测 | 第20-21页 |
| 2．6 本章小结 | 第21-22页 |
| 第三章 聚类及其在入侵检测中的应用 | 第22-32页 |
| 3．1 引言 | 第22页 |
| 3．2 聚类的基本概念 | 第22-23页 |
| 3．3 聚类算法 | 第23-28页 |
| 3．3．1 聚类算法的分类 | 第23-27页 |
| 3．3．2 聚类算法的性能指标 | 第27-28页 |
| 3．4 聚类算法在入侵检测中的应用 | 第28-31页 |
| 3．4．1 聚类算法用于入侵检测的研究背景 | 第28页 |
| 3．4．2 聚类算法在入侵检测中的应用现状 | 第28-30页 |
| 3．4．3 一种无监督聚类入侵检测算法 | 第30-31页 |
| 3．5 本章小结 | 第31-32页 |
| 第四章 基于进化免疫网络的聚类 | 第32-41页 |
| 4．1 人工免疫系统 | 第32-34页 |
| 4．1．1 免疫系统概述 | 第32-33页 |
| 4．1．2 免疫网络理论 | 第33-34页 |
| 4．2 人工免疫网络 | 第34-37页 |
| 4．2．1 克隆选择 | 第34-36页 |
| 4．2．2 人工免疫网络理论 | 第36-37页 |
| 4．3 基于免疫网络的聚类算法 | 第37-39页 |
| 4．3．1 AiNet算法 | 第37-39页 |
| 4．3．2 最小生成树 | 第39页 |
| 4．4 人工免疫系统的发展方向 | 第39-40页 |
| 4．5 本章小结 | 第40-41页 |
| 第五章 基于ART和免疫网络聚类的入侵检测 | 第41-55页 |
| 5．1 引言 | 第41页 |
| 5．2 自适应共振理论 | 第41-45页 |
| 5．2．1 ART概述 | 第41-43页 |
| 5．2．2 ART网络学习过程 | 第43-45页 |
| 5．3 基于ART和免疫网络聚类的入侵检测 | 第45-53页 |
| 5．3．1 基于ART和免疫网络聚类的入侵检测算法 | 第45-48页 |
| 5．3．2 数据集 | 第48-49页 |
| 5．3．3 数据预处理 | 第49-50页 |
| 5．3．4 仿真实验及结果 | 第50-52页 |
| 5．3．5 算法分析 | 第52-53页 |
| 5．4 本章小结 | 第53-55页 |
| 结束语 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 作者在读期间研究成果 | 第65页 |