| 第一章 绪论 | 第1-12页 |
| 1．1 网络安全关键技术现状 | 第7-9页 |
| 1．2 入侵检测技术发展简介 | 第9-10页 |
| 1．3 论文内容及章节安排 | 第10-12页 |
| 第二章 入侵检测 | 第12-22页 |
| 2．1 入侵检测概述 | 第12-13页 |
| 2．1．1 入侵检测的必要性 | 第12页 |
| 2．1．2 入侵检测的历史发展 | 第12-13页 |
| 2．2 入侵检测系统(IDS)的分类 | 第13-15页 |
| 2．2．1 基于主机的入侵检测系统 | 第13-14页 |
| 2．2．2 基于网络的入侵检测系统 | 第14-15页 |
| 2．3 入侵检测建模 | 第15-19页 |
| 2．3．1 用户统计轮廓模型 | 第16-17页 |
| 2．3．2 基于专家系统的建模 | 第17-18页 |
| 2．3．3 基于分类规则学习的入侵检测建模 | 第18-19页 |
| 2．4 入侵检测技术 | 第19-22页 |
| 2．4．1 几种常用入侵检测分析方法技术 | 第19-21页 |
| 2．4．2 入侵检测技术展望 | 第21-22页 |
| 第三章 遗传算法在入侵检测系统中的应用 | 第22-34页 |
| 3．1 DARPA99入侵检测离线评估数据集 | 第22-27页 |
| 3．1．1 DARPA99中的Probe攻击类型 | 第24-25页 |
| 3．1．2 DARPA99中的Dos攻击类型 | 第25-26页 |
| 3．1．3 DARPA99中的R2L攻击类型 | 第26-27页 |
| 3．2 遗传算法 | 第27-29页 |
| 3．2．1 遗传算法基本算子及过程 | 第27-29页 |
| 3．2．2 遗传算法特点及问题 | 第29页 |
| ·基于遗传算法进化规则的入侵检测技术 | 第29-34页 |
| ·正常状态空间和检测规则的表示 | 第30-31页 |
| 3．3．2 基于遗传算法进化规则集过程描述 | 第31-32页 |
| 3．3．3 仿真实验 | 第32-34页 |
| 第四章 克隆智能体自学习算法 | 第34-47页 |
| 4．1 免疫克隆算法 | 第34-40页 |
| 4．1．1 免疫克隆算法重要算子描述 | 第34-36页 |
| 4．1．2 免疫克隆进化算法 | 第36-38页 |
| 4．1．3 免疫多克隆策略算法的收敛性 | 第38-40页 |
| 4．2 多智能体进化算法 | 第40-45页 |
| 4．2．1 多智能体进化算法重要算子描述 | 第41-43页 |
| 4．2．2 多智能体进化算法基本过程 | 第43-44页 |
| 4．2．3 算法应用于函数优化结果分析 | 第44-45页 |
| 4．3 克隆智能体自学习算法 | 第45-47页 |
| 第五章 基于克隆智能体自学习的入侵检测 | 第47-53页 |
| 5．1 规则的基因型和规则的表现型 | 第47-49页 |
| 5．2 基于克隆智能体自学习的入侵检测系统 | 第49页 |
| 5．2．1 亲和度函数 | 第49页 |
| 5．2．2 基于克隆智能体自学习的入侵检测模型过程 | 第49页 |
| 5．3 仿真实验与结果分析 | 第49-51页 |
| 5．4 本章总结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6．1 下一代入侵检测系统展望 | 第53页 |
| 6．2 全文的总结 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者读研期间论文成果 | 第63页 |