| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 符号说明 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1. 研究背景和意义 | 第11-12页 |
| 1.1.1. 选题背景 | 第11-12页 |
| 1.1.2. 研究意义 | 第12页 |
| 1.2. 研究现状 | 第12-14页 |
| 1.2.1. 入侵检测系统研究现状 | 第12-13页 |
| 1.2.2. 遗传算法研究现状 | 第13页 |
| 1.2.3. 云计算研究现状 | 第13-14页 |
| 1.3. 论文主要工作 | 第14-15页 |
| 1.4. 论文组织结构 | 第15-17页 |
| 第二章 背景知识介绍 | 第17-29页 |
| 2.1. 入侵检测系统的基本知识 | 第17-23页 |
| 2.1.1. 入侵检测系统的发展历史 | 第18-19页 |
| 2.1.2. 入侵检测系统的主要构件 | 第19-20页 |
| 2.1.3. 入侵检测系统的主要技术 | 第20-21页 |
| 2.1.4. 入侵检测系统的分类 | 第21-22页 |
| 2.1.5. 入侵检测系统的前景和未来 | 第22-23页 |
| 2.1.6. 开源入侵检测系统Snort | 第23页 |
| 2.2. 遗传算法的基本知识 | 第23-26页 |
| 2.2.1 遗传算法的基本框架 | 第23-25页 |
| 2.2.2 遗传算法的数学基础 | 第25页 |
| 2.2.3 遗传算法的应用 | 第25-26页 |
| 2.3. 遗传算法在入侵检测系统中的应用 | 第26-27页 |
| 2.4. 本章小结 | 第27-29页 |
| 第三章 基于协同进化遗传算法的入侵检测系统 | 第29-47页 |
| 3.1. 协同进化遗传算法的基本流程 | 第29-30页 |
| 3.2. 研究设计以及改进步骤 | 第30-39页 |
| 3.2.1. 初始种群的选择 | 第31-32页 |
| 3.2.2. 编码方式的设计 | 第32-34页 |
| 3.2.3. 适应度函数的设计 | 第34页 |
| 3.2.4. 碰撞的引入和实现 | 第34-35页 |
| 3.2.5. 距离的设计和应用 | 第35-36页 |
| 3.2.6. 规则库的分代扩充 | 第36-37页 |
| 3.2.7. 遗传算子的设计 | 第37-39页 |
| 3.3. 遗传算法的模拟实现 | 第39-46页 |
| 3.3.1. Snort系统架构和源码分析 | 第39-41页 |
| 3.3.2. 遗传算法的实现 | 第41-45页 |
| 3.3.3. 结果分析 | 第45-46页 |
| 3.4. 本章小结 | 第46-47页 |
| 第四章 适用于云环境中的基于CGA的IDS架构设计 | 第47-53页 |
| 4.1. 云环境的主要特点 | 第47页 |
| 4.2. 传统环境下入侵检测系统架构 | 第47-48页 |
| 4.3. 云环境下基于CGA的入侵检测系统框架设计 | 第48-52页 |
| 4.3.1. 整体架构视角 | 第48-50页 |
| 4.3.2. 遗传算法组件视角 | 第50-51页 |
| 4.3.3. 系统优点 | 第51-52页 |
| 4.4. 本章小结 | 第52-53页 |
| 第五章 结束语 | 第53-55页 |
| 5.1. 本文工作总结 | 第53页 |
| 5.2. 未来研究方向 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |