基于DCA的双重入侵检测技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9页 |
| ·研究现状小结 | 第9-10页 |
| ·论文主要研究工作 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 相关理论基础 | 第13-19页 |
| ·入侵检测技术 | 第13-14页 |
| ·入侵检测存在的问题及解决方法 | 第14页 |
| ·生物免疫与入侵检测 | 第14-17页 |
| ·生物免疫系统 | 第15页 |
| ·危险理论 | 第15-16页 |
| ·生物免疫与入侵检测的相似性 | 第16页 |
| ·基于生物免疫的入侵检测 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 基于改进混沌粒子群的特征提取方法 | 第19-31页 |
| ·粒子群优化算法及其发展 | 第19-22页 |
| ·传统粒子群优化算法 | 第19-20页 |
| ·标准粒子群算法 | 第20-21页 |
| ·混沌粒子群算法 | 第21-22页 |
| ·改进的混沌粒子群算法 | 第22-26页 |
| ·种群编码和初始化 | 第22-23页 |
| ·惯性权重的动态调整及参数设置 | 第23-24页 |
| ·混沌变量的早熟调整机制 | 第24-25页 |
| ·引入动态权重调整的混沌粒子群算法 | 第25-26页 |
| ·实验及结果分析 | 第26-29页 |
| ·KDD CUP99 数据集 | 第26-27页 |
| ·数据预处理 | 第27-28页 |
| ·结果及分析 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 ICPS 与 DCA 相结合的免疫算法 | 第31-43页 |
| ·树突状细胞算法的基本思想 | 第31-35页 |
| ·DC 免疫原理 | 第31-33页 |
| ·DCA 原理 | 第33-34页 |
| ·DCA 的优缺点 | 第34-35页 |
| ·改进的实时 DCA 方法 | 第35-39页 |
| ·参数优化 | 第36-37页 |
| ·引入实时性的异常程度计算方法 | 第37-38页 |
| ·改进的实时 DCA 算法流程 | 第38-39页 |
| ·ICPS 与 DCA 相结合的算法思想及流程 | 第39-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·实验数据处理及参数设置 | 第40-41页 |
| ·实验结果及分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 双重入侵检测模型设计与实现 | 第43-51页 |
| ·双重入侵检测模型的设计 | 第43-44页 |
| ·数据采集模块 | 第43页 |
| ·分类器模块 | 第43-44页 |
| ·DCA 检测模块 | 第44页 |
| ·系统实现 | 第44-49页 |
| ·客户端的网络数据包采集 | 第44-45页 |
| ·服务器端的检测与分析 | 第45-47页 |
| ·实例分析 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·本文总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士期间发表的论文 | 第57-59页 |
| 致谢 | 第59页 |
