目录4-7
摘要7-9
Abstract9-11
第一章 绪论11-27
1.1 引言11-17
1.2 入侵检测技术17-21
1.2.1 入侵检测系统18-19
1.2.2 基于数据来源的入侵检测分类19-20
1.2.3 基于方式的入侵检测分类20-21
1.3 入侵检测技术的进展方向21-24
1.3.1 基于机器学习的入侵检测22-23
1.3.2 基于计算智能的入侵检测23-24
1.4 本论文主要工作内容与革新24-25
1.5 论文架构安排25-27
第二章 网络入侵检测技术基础27-44
2.1 网络入侵攻击行为27-28
2.1.1 PROBE27
2.1.2 U2R和R2L27-28
2.1.3 DoS28
2.2 网络管理系统概述28-31
2.2.1 网络管理系统29-30
2.2.2 写作技巧者(Agent)30-31
2.3 网络管理架构31-34
2.3.1 传统网络管理架构方式31-32
2.3.2 集中式网络管理架构32
2.3.3 阶层式网络管理架构32-33
2.3.4 分布式网络管理架构33
2.3.5 Web-base网络管理架构33-34
2.4 网络安全防护34-39
2.4.1 防病毒软件34-35
2.4.2 防火墙35-36
2.4.3 入侵检测系统36-38
2.4.4 入侵防御系统38-39
2.4.5 蜜罐39
2.5 基于机器学习的入侵检测39-41
2.5.1 机器学习论述40-41
2.5.2 基于机器学习的入侵检测41
2.6 基于计算智能的入侵检测系统41-43
2.8 本章小结43-44
第三章 基于非平衡支撑向量机的入侵检测策略44-63
3.1 入侵检测中的数据非平衡不足44-45
3.2 非平衡数据支撑向量机分类45-47
3.2.1 基于数据采样的不平衡数据分类45-46
3.2.2 基于分类算法的不平衡数据分类46-47
3.3 不平衡数据分类的评价准则47-48
3.4 基于支撑向量机和非平衡数据的网络入侵检测48-52
3.4.1 最小二乘SVM48-50
3.4.2 集成LS-SVM分类器50-51
3.4.3 非平衡SVM入侵检测51-52
3.5 实验模拟52-61
3.5.1 数据集来源52-60
3.5.2 检测系统结果60-61
3.6 本章小结61-63
第四章 基于人工免疫危险论述的入侵检测策略63-77
4.1 生物免疫与人工免疫64-65
4.2 人工免疫的探讨成果65-66
4.3 免疫危险论述66-68
4.4 免疫危险入侵检测68-70
4.5 基于FCM聚类和多阶段检测的免疫危险入侵检测70-73
4.5.1 危险信号71
4.5.2 基因编码71-72
4.5.3 危险信号浓度计算72
4.5.4 模糊C均值聚类(FCM)72-73
4.6 算法浅析73-74
4.7 实验仿真74-76
4.8 本章小结76-77
第五章 免疫危险克隆规划入侵检测算法77-85
5.1 克隆选择学说77-78
5.2 单克隆算子(MONOCLONAL OPERATOR)78-79
5.3 多克隆算子(POLYCLONAL OPERATOR)79-80
5.4 免疫克隆规划80-83
5.5 实验仿真83-84
5.6 本章小结84-85
第六章 总结与展望85-88
6.1 论文工作总结85-87
6.2 工作展望87-88