| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-32页 |
| ·引言 | 第12页 |
| ·研究背景 | 第12-20页 |
| ·网络安全现状 | 第13-14页 |
| ·经典安全模型 | 第14-17页 |
| ·动态安全模型 | 第17-20页 |
| ·入侵检测理论与技术 | 第20-29页 |
| ·入侵检测系统原理 | 第20-21页 |
| ·入侵检测系统关键技术 | 第21-24页 |
| ·研究历史及现状 | 第24-27页 |
| ·入侵检测系统的不足 | 第27-28页 |
| ·软计算理论的发展 | 第28-29页 |
| ·论文的主要研究内容和创新点 | 第29-30页 |
| ·论文的组织结构 | 第30-32页 |
| 第二章 基于遗传模糊分类器的入侵检测技术研究 | 第32-59页 |
| ·引言 | 第32-33页 |
| ·理论基础 | 第33-35页 |
| ·模糊逻辑 | 第33-34页 |
| ·进化计算 | 第34-35页 |
| ·相关研究和主要难点 | 第35-38页 |
| ·模糊技术应用于入侵检测的必要性 | 第35页 |
| ·基于模糊逻辑的入侵检测研究 | 第35-38页 |
| ·基于遗传模糊分类器的入侵检测系统研究 | 第38-51页 |
| ·模糊规则分类器 | 第39-42页 |
| ·模糊规则库的遗传优化算法 | 第42-45页 |
| ·仿真实验和结果分析 | 第45-51页 |
| ·改进的可进化的模糊规则分类器研究 | 第51-58页 |
| ·模糊关联规则挖掘 | 第51-53页 |
| ·模糊规则库的进化 | 第53-56页 |
| ·仿真实验和结果分析 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第三章 基于SOM和PCA神经网络的入侵检测技术研究 | 第59-82页 |
| ·引言 | 第59-60页 |
| ·神经网络 | 第60-66页 |
| ·神经网络模型 | 第60-62页 |
| ·神经网络的学习方法 | 第62-63页 |
| ·神经网络和入侵检测 | 第63-64页 |
| ·相关研究与主要难点 | 第64-66页 |
| ·基于LVQ算法的SOM神经网络在入侵检测系统中的应用 | 第66-74页 |
| ·SOM神经网络 | 第66页 |
| ·基于SOM神经网络的入侵检测模型 | 第66-70页 |
| ·使用LVQ算法提高系统分类性能 | 第70页 |
| ·使用SOM进行类型分类的动机 | 第70-71页 |
| ·实验及结果分析 | 第71-74页 |
| ·基于PCA神经网络分类器的入侵检测模型 | 第74-81页 |
| ·主成分分析技术 | 第75-76页 |
| ·PCA神经网络 | 第76-77页 |
| ·异常检测 | 第77-78页 |
| ·实验及结果分析 | 第78-81页 |
| ·小结 | 第81-82页 |
| 第四章 基于神经模糊分类器的入侵检测技术研究 | 第82-97页 |
| ·引言 | 第82-83页 |
| ·模糊神经网络 | 第83-86页 |
| ·模糊系统和神经网络的结合 | 第83页 |
| ·模糊神经元 | 第83-84页 |
| ·模糊神经网络的类型 | 第84-86页 |
| ·模糊神经网络的典型结构 | 第86页 |
| ·层次式模糊推理系统的入侵检测模型研究 | 第86-96页 |
| ·系统结构 | 第86-87页 |
| ·可进化的C-均值模糊聚类算法 | 第87-89页 |
| ·两层式模糊推理分类器 | 第89-94页 |
| ·仿真实验和结果分析 | 第94-96页 |
| ·小结 | 第96-97页 |
| 第五章 基于人工免疫分布式代理的入侵检测技术研究 | 第97-114页 |
| ·引言 | 第97-98页 |
| ·理论基础及相关研究 | 第98-101页 |
| ·人工免疫 | 第98-99页 |
| ·基于Agent的分布式入侵检测研究 | 第99-101页 |
| ·基于人工免疫分布式代理的入侵检测模型 | 第101-112页 |
| ·模型结构 | 第101-102页 |
| ·符号定义 | 第102-105页 |
| ·模型的动态模式 | 第105-109页 |
| ·仿真实验和结果分析 | 第109-112页 |
| ·小结 | 第112-114页 |
| 第六章 总结与展望 | 第114-118页 |
| ·总结 | 第114-115页 |
| ·展望 | 第115-118页 |
| 参考文献 | 第118-128页 |
| 攻读学位期间发表的学术论文目录 | 第128-130页 |
| 致谢 | 第130页 |