| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景和意义 | 第12-14页 |
| ·本课题研究现状 | 第14-15页 |
| ·本文研究内容 | 第15-16页 |
| ·本文结构 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第2章 入侵检测概述 | 第18-30页 |
| ·入侵检测的基本概念 | 第18-21页 |
| ·入侵检测技术的发展历程 | 第21页 |
| ·入侵检测系统的作用 | 第21-22页 |
| ·入侵检测的分类 | 第22-27页 |
| ·按照检测数据的来源划分 | 第23-26页 |
| ·按照检测方法划分 | 第26-27页 |
| ·入侵检测技术的发展趋势 | 第27-29页 |
| ·面向IPv6 | 第27-28页 |
| ·面向应用层的IDS | 第28页 |
| ·标准化的入侵检测 | 第28页 |
| ·高速入侵检测 | 第28-29页 |
| ·大规模、分布式的入侵检测 | 第29页 |
| ·与其他安全技术的联动 | 第29页 |
| ·小结 | 第29-30页 |
| 第3章 一种改进的模糊C均值聚类算法 | 第30-38页 |
| ·聚类和模糊聚类介绍 | 第30-32页 |
| ·聚类分析 | 第30-31页 |
| ·聚类的过程 | 第31-32页 |
| ·模糊聚类分析 | 第32页 |
| ·模糊C均值聚类(FCM)算法 | 第32-35页 |
| ·HCM算法介绍 | 第32-33页 |
| ·FCM算法 | 第33-35页 |
| ·改进的FCM(Improved Fuzzy C Means,IFCM)算法 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第4章 基于模糊C均值聚类算法的入侵检测方法 | 第38-43页 |
| ·人工免疫网络 | 第38-40页 |
| ·概述 | 第38-39页 |
| ·基本原理 | 第39-40页 |
| ·基于人工免疫网络和改进的模糊C均值聚类算法的入侵检测方法 | 第40-42页 |
| ·基于AiNet和IFCM的聚类算法 | 第41页 |
| ·标类算法 | 第41-42页 |
| ·入侵检测算法 | 第42页 |
| ·小结 | 第42-43页 |
| 第5章 实验及结果分析 | 第43-52页 |
| ·基于AiNet_IFCM算法的入侵检测系统框架 | 第43-44页 |
| ·KDD CUP99介绍 | 第44-46页 |
| ·数据样本的选取 | 第46-48页 |
| ·属性的选取及数值属性的预处理 | 第48-49页 |
| ·标准化 | 第48-49页 |
| ·正规化 | 第49页 |
| ·仿真实验结果 | 第49-51页 |
| ·小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第58页 |