| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 图录 | 第9-10页 |
| 表录 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 本文的主要贡献 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 相关研究 | 第18-26页 |
| 2.1 异常检测算法 | 第18-21页 |
| 2.2 CBR 理论及其在入侵检测中的应用 | 第21-22页 |
| 2.3 群体智能算法 | 第22-24页 |
| 2.3.1 蚁群算法 | 第23-24页 |
| 2.3.2 鱼群算法 | 第24页 |
| 2.4 异常流量检测评价指标 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于混合群的案例库缩减算法设计 | 第26-38页 |
| 3.1 基于混合群的案例库缩减算法 | 第26-33页 |
| 3.1.1 群体智能算法的改进 | 第27-31页 |
| 3.1.2 基于混合群的案例缩减算法描述 | 第31-33页 |
| 3.1.3 算法复杂度分析 | 第33页 |
| 3.2 基于混合群的案例库缩减算法仿真分析 | 第33-37页 |
| 3.2.1 混合群生成算法性能仿真分析 | 第33-35页 |
| 3.2.2 基于混合群的案例库缩减算法性能仿真分析 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 基于相关异常流的无监督异常检测算法设计 | 第38-47页 |
| 4.1 基于相关异常流的无监督异常检测算法 | 第38-42页 |
| 4.1.1 相关符号说明和定义 | 第39-40页 |
| 4.1.2 基于相关异常流的无监督异常检测算法描述 | 第40-42页 |
| 4.2 基于相关异常流的无监督异常检测算法仿真评估 | 第42-46页 |
| 4.2.1 实验数据集 | 第42-43页 |
| 4.2.2 流差分的统计分布特性验证 | 第43-44页 |
| 4.2.3 算法的数据无关性验证 | 第44页 |
| 4.2.4 算法的检测性能验证 | 第44-45页 |
| 4.2.5 算法时间复杂性的验证 | 第45页 |
| 4.2.6 相关流的异常触发 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 混合式入侵检测模型设计与仿真 | 第47-61页 |
| 5.1 混合式入侵检测模型总体结构 | 第47-48页 |
| 5.2 基于 CBR 的检测子模型设计 | 第48-52页 |
| 5.2.1 案例组织 | 第49-51页 |
| 5.2.2 案例库结构 | 第51页 |
| 5.2.3 基于混合群的 CBR 缩减模块 | 第51-52页 |
| 5.3 基于 UFEM 模型的异常检测子模型设计 | 第52-54页 |
| 5.4 混合式入侵检测模型仿真测试 | 第54-60页 |
| 5.4.1 仿真环境拓扑设计 | 第54-55页 |
| 5.4.2 模型各项指标仿真 | 第55-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 作者简历 | 第70页 |
