基于神经网络抗体群的入侵检测系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·研究背景 | 第11-12页 |
| ·入侵检测系统研究概述 | 第12-19页 |
| ·入侵检测系统的定义与功能 | 第13-14页 |
| ·入侵检测系统的分类 | 第14-15页 |
| ·入侵检测的常用技术 | 第15-17页 |
| ·入侵检测的研究现状及存在的主要问题 | 第17-19页 |
| ·论文的研究工作及组织结构 | 第19-21页 |
| 第2章 生物免疫系统与人工免疫系统 | 第21-30页 |
| ·生物免疫系统 | 第21-24页 |
| ·生物免疫系统概述 | 第21页 |
| ·生物免疫系统的组成 | 第21-22页 |
| ·生物免疫系统的功能 | 第22-23页 |
| ·克隆选择学说 | 第23-24页 |
| ·人工免疫系统 | 第24-27页 |
| ·人工免疫系统的研究现状 | 第24-25页 |
| ·人工免疫算法 | 第25-27页 |
| ·基于免疫机制的入侵检测系统 | 第27页 |
| ·人工免疫机制引入入侵检测的优势 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于免疫RBF神经网络的生物免疫应答模仿 | 第30-38页 |
| ·生物免疫应答过程 | 第30-31页 |
| ·RBF网络作为人工免疫抗体的分析 | 第31-35页 |
| ·RBF神经网络概述 | 第31-32页 |
| ·RBF网络的性能分析 | 第32-33页 |
| ·基于RBF神经网络的人工免疫抗体群 | 第33-35页 |
| ·免疫RBF网络抗体群用于入侵检测 | 第35-37页 |
| ·训练阶段的抗体群机制 | 第35-36页 |
| ·检测阶段的抗体群机制 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 面向抗原特性的抗体生成算法 | 第38-54页 |
| ·算法概述 | 第38-40页 |
| ·评价抗体群性能的方法 | 第40页 |
| ·RBF网络的学习算法 | 第40-46页 |
| ·梯度下降算法 | 第41-42页 |
| ·最小二乘算法 | 第42-43页 |
| ·遗传学习算法 | 第43-44页 |
| ·免疫学习算法 | 第44-46页 |
| ·面向抗原特性的免疫优化方法 | 第46-50页 |
| ·初次免疫应答 | 第46-48页 |
| ·抗体群的克隆选择与变异 | 第48-49页 |
| ·疫苗库的更新与免疫抑制 | 第49页 |
| ·疫苗的注射 | 第49-50页 |
| ·面向抗体特性的抗原清除算法 | 第50-53页 |
| ·抗体的挑选 | 第51-52页 |
| ·抗原的清除 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 免疫RBF网络抗体群在入侵检测中的应用 | 第54-65页 |
| ·进一步提高对生物免疫系统的模仿程度 | 第54-56页 |
| ·基于神经网络抗体群的入侵检测系统 | 第56-58页 |
| ·通用入侵检测框架 | 第56页 |
| ·基于RBF网络抗体群的入侵检测系统模型 | 第56-58页 |
| ·数据实验及分析 | 第58-64页 |
| ·实验平台及数据 | 第58-60页 |
| ·实验数据的选取及预处理 | 第60-61页 |
| ·实验结果及分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| ·本文总结 | 第65页 |
| ·下一步的工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间的学术成果 | 第72-73页 |
