| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-15页 |
| 1 绪论 | 第15-21页 |
| ·网络入侵现状 | 第15-17页 |
| ·入侵检测技术的必要性 | 第17-19页 |
| ·论文的主要研究内容 | 第19-21页 |
| 2 入侵检测系统简介 | 第21-33页 |
| ·入侵检测发展 | 第21-22页 |
| ·入侵检测系统的基本构成 | 第22-23页 |
| ·入侵分析技术 | 第23-29页 |
| ·误用检测 | 第23-25页 |
| ·异常检测 | 第25-29页 |
| ·混合检测 | 第29页 |
| ·人工免疫系统与入侵检测 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 3 生物免疫机理与人工免疫模型 | 第33-53页 |
| ·生物免疫机理 | 第33-38页 |
| ·初次免疫应答和二次免疫应答[49] | 第34-35页 |
| ·克隆选择原理 | 第35-36页 |
| ·阴性选择原理 | 第36页 |
| ·免疫记忆机制 | 第36-38页 |
| ·人工免疫系统简介 | 第38-51页 |
| ·人工免疫系统中的编码方式 | 第38-39页 |
| ·人工免疫算子 | 第39-41页 |
| ·人工免疫模型 | 第41-51页 |
| ·本章小结 | 第51-53页 |
| 4 基于人工免疫的动态聚类分析 | 第53-77页 |
| ·算法背景 | 第53-54页 |
| ·聚类分析方法 | 第54-57页 |
| ·动态聚类评估函数 | 第57-60页 |
| ·聚类可行解 | 第60-63页 |
| ·聚类可行解的概念 | 第60-61页 |
| ·聚类可行解的求解算法 | 第61-62页 |
| ·算法分析 | 第62-63页 |
| ·DCBIG 动态聚类算法 | 第63-68页 |
| ·DCBIG 算法描述 | 第64-65页 |
| ·仿真实验 | 第65-68页 |
| ·DCBIT 动态聚类 | 第68-75页 |
| ·基于Tabu 搜索的动态聚类 | 第70-72页 |
| ·DCBIT 算法的完整描述 | 第72页 |
| ·仿真实验结果与分析 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 5 两阶段的动态聚类算法研究 | 第77-93页 |
| ·动态聚类算法分析 | 第77-78页 |
| ·基于免疫网络的聚类簇数目的估计 | 第78-83页 |
| ·聚类簇数的估计方法分析 | 第79页 |
| ·基于免疫网络估计簇数目的方法 | 第79-83页 |
| ·基于SOM 动态聚类 | 第83-88页 |
| ·SOM 网络基本原理 | 第83-84页 |
| ·SOM 的特性 | 第84-85页 |
| ·基于SOM 的动态聚类算法 | 第85页 |
| ·仿真试验 | 第85-88页 |
| ·两阶段动态聚类算法框架 | 第88-91页 |
| ·小结 | 第91-93页 |
| 6 基于免疫聚类的异常检测 | 第93-101页 |
| ·研究现状 | 第93-94页 |
| ·基于免疫聚类的异常检测算法 | 第94-97页 |
| ·误报容忍因子 | 第94-95页 |
| ·异常因子 | 第95-96页 |
| ·算法过程 | 第96-97页 |
| ·仿真实验 | 第97-100页 |
| ·小结 | 第100-101页 |
| 7 基于免疫原理的分类器设计 | 第101-113页 |
| ·分类学习算法简介 | 第101-103页 |
| ·近邻法分类器设计 | 第103-105页 |
| ·自适应分类器的原理 | 第105-107页 |
| ·基于免疫聚类自适应分类算法 | 第107-108页 |
| ·仿真试验及分析 | 第108-112页 |
| ·本章小结 | 第112-113页 |
| 8 总结与展望 | 第113-115页 |
| ·总结 | 第113-114页 |
| ·进一步的工作与展望 | 第114-115页 |
| 致谢 | 第115-117页 |
| 参考文献 | 第117-125页 |
| 附录:作者在攻读博士学位期间参加的科研和发表的学术论文 | 第125-127页 |
| 独创性声明 | 第127页 |
| 学位论文版权使用授权书 | 第127页 |