基于人工免疫的入侵检测系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-12页 |
| ·网络安全现状 | 第10-11页 |
| ·网络安全检测技术 | 第11-12页 |
| ·人工免疫入侵检测技术研究现状 | 第12-13页 |
| ·国外研究现状 | 第12页 |
| ·国内研究现状 | 第12-13页 |
| ·人工免疫入侵检测存在的问题 | 第13页 |
| ·本文研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第2章 入侵检测技术 | 第15-22页 |
| ·入侵检测的基本概念 | 第15-16页 |
| ·入侵检测步骤 | 第15-16页 |
| ·入侵检测模型 | 第16页 |
| ·入侵检测技术分类 | 第16-18页 |
| ·基于数据源的分类 | 第16-17页 |
| ·基于检测理论的分类 | 第17-18页 |
| ·入侵检测技术分析 | 第18-21页 |
| ·入侵检测方法的不足 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 人工免疫学与入侵检测系统 | 第22-29页 |
| ·自然免疫学 | 第22-25页 |
| ·适应性免疫系统 | 第23-24页 |
| ·免疫系统特点 | 第24-25页 |
| ·人工免疫系统 | 第25-28页 |
| ·相关概念 | 第25页 |
| ·重要算法 | 第25-28页 |
| ·两者对比 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于改进的动态克隆选择算法的入侵检测模型 | 第29-40页 |
| ·动态克隆选择算法 | 第29-31页 |
| ·检测器的标识学习和优化算法 | 第31-35页 |
| ·问题定义 | 第31页 |
| ·检测器的标识聚类学习 | 第31-34页 |
| ·成熟检测器优化算法 | 第34-35页 |
| ·系统对协同刺激信号过多依赖的研究 | 第35-38页 |
| ·问题定义 | 第35页 |
| ·基于贝叶斯和决策树的协同刺激模块设计 | 第35-38页 |
| ·改进后的免疫系统框架 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 仿真实验 | 第40-46页 |
| ·实验数据选择 | 第40-42页 |
| ·定义抗原与抗体编码格式 | 第41-42页 |
| ·关键参数的选择 | 第42-43页 |
| ·抗原—抗体亲和力的表示 | 第42页 |
| ·标识学习和优化算法参数选择 | 第42-43页 |
| ·协同刺激模块参数的选择 | 第43页 |
| ·实验设计 | 第43页 |
| ·结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 作者简介 | 第51页 |
| 攻读硕士学位期间取得的学术成果 | 第51-52页 |
