阐述人工免疫基于先进计算智能入侵检测系统

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