| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-11页 |
| 1 绪 论 | 第11-19页 |
| ·课题的理论意义和实用价值 | 第11-14页 |
| ·入侵检测系统的发展方向 | 第11-12页 |
| ·混合软计算技术 | 第12-13页 |
| ·混合软计算技术对于智能入侵检测的意义 | 第13-14页 |
| ·国内外研究动态 | 第14-15页 |
| ·神经网络和遗传神经网络入侵检测研究动态 | 第14页 |
| ·遗传模糊规则挖掘入侵检测研究动态 | 第14-15页 |
| ·人工免疫入侵检测研究动态 | 第15页 |
| ·需要解决的问题和途径 | 第15-16页 |
| ·本论文的主要贡献 | 第16-19页 |
| 2 入侵检测系统概述 | 第19-37页 |
| ·什么是入侵检测 | 第19页 |
| ·异常检测与误用检测 | 第19-20页 |
| ·实时和非实时检测 | 第20页 |
| ·基于网络和基于主机的入侵检测 | 第20-21页 |
| ·入侵检测分析技术发展过程 | 第21-25页 |
| ·Denning 模型 | 第22-23页 |
| ·统计学和专家系统 | 第23-24页 |
| ·智能检测系统 | 第24-25页 |
| ·入侵检测分析技术的发展方向 | 第25-26页 |
| ·入侵检测系统评估 | 第26-27页 |
| ·入侵检测数据源 | 第27-34页 |
| ·1998 DARPA 数据库 | 第27-30页 |
| ·1999 KDD CUP 数据集 | 第30-33页 |
| ·数据预处理 | 第33-34页 |
| ·本章小结 | 第34-37页 |
| 3 关于自组织映射神经网络入侵检测的研究 | 第37-55页 |
| ·神经网络入侵检测 | 第37页 |
| ·自组织特征映射入侵检测 | 第37-40页 |
| ·单层 SOM 入侵检测 | 第38页 |
| ·层次 SOM 入侵检测 | 第38-40页 |
| ·层次 SOM 入侵检测仿真实验和结果分析 | 第40-52页 |
| ·SOM 神经网络原理 | 第41-42页 |
| ·层次 SOM 入侵检测的实现 | 第42-43页 |
| ·实验结果和分析 | 第43-52页 |
| ·本章小结 | 第52-55页 |
| 4 关于遗传自组织映射网络入侵检测研究 | 第55-77页 |
| ·遗传算法原理 | 第55-64页 |
| ·生物进化理论和遗传学的基本知识 | 第55-58页 |
| ·遗传算法的基本思想 | 第58页 |
| ·遗传算法的特点 | 第58-61页 |
| ·遗传算法的基本操作 | 第61-64页 |
| ·遗传神经网络入侵检测 | 第64-65页 |
| ·基于遗传自组织映射网络入侵检测的仿真实验和结果分析 | 第65-75页 |
| ·实现方法 | 第65-67页 |
| ·实验结果分析 | 第67-75页 |
| ·本章小结 | 第75-77页 |
| 5 关于混合软计算技术入侵检测的研究 | 第77-99页 |
| ·模糊逻辑概述 | 第77-81页 |
| ·遗传模糊规则入侵检测 | 第81-82页 |
| ·人工免疫系统概述 | 第82-84页 |
| ·人工免疫入侵检测 | 第84-86页 |
| ·基于混合软计算技术入侵检测仿真实验和结果分析 | 第86-97页 |
| ·系统结构 | 第87-88页 |
| ·层次 SOM 检测阶段 | 第88-90页 |
| ·模糊人工免疫负选择阶段 | 第90-94页 |
| ·实验结果和分析 | 第94-97页 |
| ·本章小结 | 第97-99页 |
| 6 关于混合型支持向量机入侵检测的研究 | 第99-113页 |
| ·支持向量机学习原理 | 第99-105页 |
| ·统计学习理论基本内容 | 第99-101页 |
| ·支持向量机 | 第101-105页 |
| ·支持向量机入侵检测现状 | 第105-107页 |
| ·实验方法及结果分析 | 第107-111页 |
| ·实验方法 | 第107-108页 |
| ·实验结果和分析 | 第108-111页 |
| ·本章小结 | 第111-113页 |
| 7 结论与展望 | 第113-115页 |
| ·主要结论 | 第113页 |
| ·将来研究工作的展望 | 第113-115页 |
| 致谢 | 第115-117页 |
| 参考文献 | 第117-125页 |
| 附录 | 第125页 |
| A. 作者在攻读博士学位期间发表的论文目录 | 第125页 |
| B. 作者在攻读博士学位期间参加的科研项目及得奖情况 | 第125页 |