基于人工神经网络的入侵检测系统的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·网络面临的安全威胁及传统安全技术 | 第9-11页 |
| ·课题来源背景及入侵检测技术与现状 | 第11-13页 |
| 第二章 入侵检测技术 | 第13-23页 |
| ·入侵检测系统 | 第13-14页 |
| ·入侵检测系统的通用模型 | 第14-17页 |
| ·Denning 的通用入侵检测系统模型 | 第14-16页 |
| ·CIDF —通用入侵检测框架 | 第16-17页 |
| ·入侵检测系统的分类 | 第17-21页 |
| ·基于数据源的分类 | 第17-19页 |
| ·基于检测方法的分类 | 第19-21页 |
| ·入侵检测系统的主要不足及发展趋势 | 第21-23页 |
| 第三章 人工神经网络在入侵检测系统中的应用 | 第23-38页 |
| ·人工神经网络 | 第23-24页 |
| ·人工神经网络的学习 | 第24-26页 |
| ·人工神经网络的学习方式 | 第24-25页 |
| ·人工神经网络的学习规则 | 第25-26页 |
| ·BP 神经网络及其算法改进 | 第26-35页 |
| ·BP 神经网络原理 | 第26-29页 |
| ·BP 算法 | 第29-32页 |
| ·BP 算法的改进 | 第32-35页 |
| ·人工神经网络在入侵检测中的应用 | 第35-38页 |
| ·传统入侵检测中存在的问题 | 第35-36页 |
| ·人工神经网络在入侵检测中的应用 | 第36-38页 |
| 第四章 基于人工神经网络的入侵检测系统 | 第38-52页 |
| ·系统体系结构与工作原理 | 第38-39页 |
| ·系统各个模块的功能 | 第39-40页 |
| ·系统实现关键技术 | 第40-49页 |
| ·数据收集模块实现关键技术 | 第40-43页 |
| ·数据预处理模块实现关键技术 | 第43-44页 |
| ·神经网络分类模块实现关键技术 | 第44-49页 |
| ·实验结果及性能分析 | 第49-52页 |
| ·实验结果 | 第49-50页 |
| ·性能分析 | 第50-52页 |
| 第五章 结束语 | 第52-54页 |
| ·对课题研究的总结 | 第52-53页 |
| ·入侵检测系统展望 | 第53-54页 |
| 参考文献表 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参加项目与发表论文 | 第57页 |
