| 第一章 绪论 | 第1-17页 |
| 1．1 本文的研究背景和意义 | 第7-8页 |
| 1．2 入侵检测概述 | 第8-11页 |
| 1．2．1 入侵检测的历史发展 | 第8页 |
| 1．2．2 入侵检测的基本概念 | 第8-9页 |
| 1．2．3 入侵检测的分类 | 第9页 |
| 1．2．4 入侵检测系统现存的问题 | 第9-10页 |
| 1．2．5 入侵检测的发展方向 | 第10-11页 |
| 1．3 无监督入侵检测算法研究概述 | 第11-14页 |
| 1．3．1 无监督方法 | 第11-12页 |
| 1．3．2 无监督入侵检测算法研究 | 第12-13页 |
| 1．3．3 无监督入侵检测算法研究的现状与挑战 | 第13-14页 |
| 1．4 论文所做的工作 | 第14-15页 |
| 1．5 本文内容概述 | 第15-17页 |
| 第二章 网络模型描述及算法基础理论 | 第17-29页 |
| 2．1 网络数据模型——KDD CUP 1999数据 | 第17-18页 |
| 2．2 人工免疫系统 | 第18-23页 |
| 2．2．1 自然计算 | 第18-19页 |
| 2．2．2 人工免疫系统的发展 | 第19-20页 |
| 2．2．3 人工免疫系统的仿生机理与实现 | 第20-22页 |
| 2．2．4 研究展望 | 第22-23页 |
| 2．3 统计学习理论与支撑矢量机 | 第23-26页 |
| 2．3．1 统计学习理论 | 第23-24页 |
| 2．3．2 支撑矢量机的基本算法 | 第24-26页 |
| 2．3．3 小结 | 第26页 |
| 2．4 数据挖掘与孤立点挖掘 | 第26-29页 |
| 2．4．1 数据挖掘 | 第26-27页 |
| 2．4．2 孤立点挖掘 | 第27-29页 |
| 第三章 基于进化免疫网络的无监督异常检测 | 第29-41页 |
| 3．1 引言 | 第29-30页 |
| 3．2 基于进化免疫网络的无监督异常检测算法 | 第30-34页 |
| 3．3 实验与结果分析 | 第34-39页 |
| 3．3．1 实验数据预处理 | 第34-36页 |
| 3．3．2 实验结果与分析 | 第36-39页 |
| 3．4 小结 | 第39-41页 |
| 第四章 基于数据预处理和单类支撑矢量机的异常检测 | 第41-49页 |
| 4．1 引言 | 第41-42页 |
| 4．2 单类支撑矢量机 | 第42-43页 |
| 4．3 数据预选取方法 | 第43-45页 |
| 4．3．1 基于简单距离比较的算法 | 第43-45页 |
| 4．3．2 基于改进的人工进化免疫网络的数据预选取方法 | 第45页 |
| 4．4 仿真实验与结果分析 | 第45-48页 |
| 4．5 小结 | 第48-49页 |
| 第五章 基于孤立点挖掘和克隆选择算法的入侵检测 | 第49-57页 |
| 5．1 引言 | 第49-50页 |
| 5．2 基于克隆选择算法的孤立点挖掘 | 第50-52页 |
| 5．2．1 异常投影区域及稀疏度衡量 | 第50-51页 |
| 5．2．2 寻找稀疏的数据立方体 | 第51-52页 |
| 5．3 实验结果及分析 | 第52-55页 |
| 5．3．1 实验数据处理 | 第52-53页 |
| 5．3．2 算法参数设置 | 第53页 |
| 5．3．3 实验结果及分析 | 第53-55页 |
| 5．4 小结 | 第55-57页 |
| 结束语 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 作者在读期间研究成果及撰写的论文 | 第67页 |