| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题研究背景及意义 | 第11-16页 |
| 1.1.1 网络入侵检测的现状 | 第11-12页 |
| 1.1.2 现有网络入侵检测技术和手段存在的问题 | 第12-15页 |
| 1.1.3 课题的研究意义 | 第15-16页 |
| 1.2 人工免疫在国内外的研究现状 | 第16-21页 |
| 1.2.1 人工免疫技术的研究现状 | 第16-20页 |
| 1.2.2 报警处理技术的研究状态 | 第20-21页 |
| 1.3 论文研究内容 | 第21页 |
| 1.4 论文的组织结构 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 网络入侵检测中的免疫机理 | 第23-32页 |
| 2.1 网络入侵检测的相关概述 | 第23-26页 |
| 2.1.1 网络入侵检测的相关概念 | 第23-24页 |
| 2.1.2 入侵检测系统的分类 | 第24-26页 |
| 2.1.3 入侵检测报警系统的概述 | 第26页 |
| 2.2 生物学免疫机理 | 第26-30页 |
| 2.2.1 生物学免疫的相关概念 | 第26-27页 |
| 2.2.2 生物学免疫的特性 | 第27-29页 |
| 2.2.3 基于生物学免疫机理的入侵检测中误报警的处理方法 | 第29-30页 |
| 2.3 人工免疫系统概述 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于改进的否定选择算法的网络入侵检测 | 第32-46页 |
| 3.1 否定选择算法应用在网络入侵检测中的现状 | 第32页 |
| 3.2 差分进化算法思想 | 第32-34页 |
| 3.3 改进的否定选择算法 | 第34-39页 |
| 3.3.1 标准的否定选择算法 | 第34-35页 |
| 3.3.2 对否定选择算法的改进尝试 | 第35-37页 |
| 3.3.3 改进的局部离群因子算法 | 第37-39页 |
| 3.4 实验、数据预处理及实验结果分析 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于模糊规则的人工免疫算法 | 第46-56页 |
| 4.1 相关概述 | 第46页 |
| 4.2 模糊理论 | 第46-49页 |
| 4.2.1 模糊系统 | 第47-48页 |
| 4.2.2 模糊规则 | 第48-49页 |
| 4.3 无监督学习算法和监督学习算法 | 第49-50页 |
| 4.3.1 无监督学习算法 | 第49页 |
| 4.3.2 监督学习算法 | 第49-50页 |
| 4.4 基于人工免疫算法理论和模糊规则的网络入侵检测误报警处理 | 第50-54页 |
| 4.4.1 特征选取 | 第50页 |
| 4.4.2 关联概率 | 第50-51页 |
| 4.4.3 人工免疫优化算法 | 第51-52页 |
| 4.4.4 算法描述和流程 | 第52-54页 |
| 4.5 实验仿真与结果分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 基于人工免疫算法的网络入侵检测中误报警优化 | 第56-71页 |
| 5.1 模型结构与实验设计 | 第56-66页 |
| 5.2 模型的实验环境平台 | 第66页 |
| 5.3 数据的来源及其处理 | 第66页 |
| 5.4 实验结果分析 | 第66-70页 |
| 5.4.1 异常模块的检测器优化处理结果 | 第66-67页 |
| 5.4.2 处理报警的效率 | 第67-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 论文总结 | 第71页 |
| 6.2 工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
