一、选题背景
互联网已成为人们日常工作生活中不可或缺的一部分。近日，中国互联网络信息中心(CNNIC)在京发布第47次《中国互联网络发展状况统计报告》，报告中显示，截至2020年12月，我国网民规模达9.89亿，较2020年3月增长8540万，互联网普及率达70.4%，其中手机网民高达9.86亿，网络接入流量16,560,000万GB，网站总数增至443万个[1]。上述数据显示，目前我国互联网处于蓬勃发展时期。然而，随互联网网络的普及，国内互联网网络设备总数和数据信息逐渐增多，愈多安全问题暴露在我们眼前：网络入侵行为逐渐增多，入侵检测和隐私保护工作并没有达到相应保护要求。据调查了解，不少网民在互联网注册登记个人信息时均遭遇不同程度损失。根据国家互联网应急中心在2020年9月26日颁布的《2020年上半年我国互联网网络安全监测数据分析报告》中显示，截至2020年上半年我国境内感染计算机恶意程序的主机数量约 304 万台，同比增长 25.7%。由上可知，当前互联网网络中缺乏安全防备的物联网设备大量活跃，为分布式拒绝服务攻击（简称DDoS攻击）平台猖獗发展提供了大量被控资源，其中云平台上遭受 DDoS 的攻击次数占境内目标被攻击次数的 76.1%，被篡改网页数量占境内被篡改网页数量的 93.2%[2]。综上，迄今为止我国互联网网络安全状况仍十分严峻。
因此，发展并利用相关技术提高入侵检测系统和隐私保护手段以减少网络遭受的攻击次数和损失程度，净化网络空间环境迫在眉睫。
二、研究目的
近年，面对逐渐增加的网络风险和未知恶意软件，系统防御难度逐渐增大。如何利用机器学习算法改进优化网络入侵检测及隐私保护系统中的应用研究已成为很多学者研究关注的热点问题并已获取一些成功[3]。本文将对机器学习在网络入侵检测系统（简称IDS）及利用提取生物特征信息进行隐私保护等领域的历史背景、发展过程、发展现状、应用范围、前沿研究、现存问题、争论焦点、应用价值、实践意义、和发展前景等方面借助相关数据加以论证并综合展开阐述。
三、工作流程
（1）阐明选题背景和研究目的使读者对该篇综述的主题有一个初步印象。
（2）概述机器学习、IDS和隐私保护的有关概念与定义。
（3）论述该研究方向的历史背景和发展过程，按照时间顺序介绍本篇主题的来龙去脉及截至2021年各研究阶段的研究水平。
以上是文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
