基于RBF神经网络入侵检测系统的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 前言 | 第9-13页 |
| ·选题背景 | 第9-10页 |
| ·国内外研究动态和趋势 | 第10-12页 |
| ·入侵检测系统发展 | 第10-11页 |
| ·入侵检测系统发展趋势 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 2 入侵检测系统概述 | 第13-21页 |
| ·入侵检测系统的功能 | 第13-15页 |
| ·入侵检测系统的分类 | 第15-19页 |
| ·误用入侵检测系统 | 第15-16页 |
| ·异常入侵检测系统 | 第16-19页 |
| ·入侵检测系统标准 | 第19-20页 |
| ·入侵检测工作组 | 第19-20页 |
| ·通用入侵检测框架 | 第20页 |
| ·本章小结 | 第20-21页 |
| 3 人工神经网络在入侵检测中的应用 | 第21-35页 |
| ·人工神经网络 | 第21-29页 |
| ·人工神经网络简介 | 第21-22页 |
| ·神经元模型 | 第22-24页 |
| ·神经网络 | 第24页 |
| ·神经网络学习算法 | 第24-26页 |
| ·人工神经网络的特点 | 第26-27页 |
| ·人工神经网络应用于入侵检测系统 | 第27-29页 |
| ·RBF 神经网络 | 第29-34页 |
| ·RBF 神经网络的结构 | 第29-31页 |
| ·RBF 神经网络参数确定 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于RBFNN 的分布式入侵检测模型的设计 | 第35-54页 |
| ·典型的入侵检测模型 | 第35-39页 |
| ·集中式检测模型 | 第35-36页 |
| ·层次化检测模型 | 第36-37页 |
| ·完全分布式检测模型 | 第37-38页 |
| ·对等分布式检测模型 | 第38-39页 |
| ·基于RBFNN 的分布式入侵检测系统模型 | 第39-53页 |
| ·数据收集模块 | 第41-45页 |
| ·数据预处理模块 | 第45-51页 |
| ·检测分析模块 | 第51-52页 |
| ·报警响应模块 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 5 仿真实验与结果分析 | 第54-63页 |
| ·攻击数据源样本分析和处理 | 第54-55页 |
| ·训练样本选取 | 第55-56页 |
| ·特征选择和训练 | 第56-60页 |
| ·模拟测试及结果 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
