| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 入侵检测技术研究现状 | 第11-12页 |
| 1.2.2 特征降维技术研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 入侵检测概述 | 第16-24页 |
| 2.1 网络安全与入侵检测 | 第16-17页 |
| 2.2 入侵检测系统模型 | 第17-19页 |
| 2.2.1 Denning模型 | 第17-18页 |
| 2.2.2 通用入侵检测模型 | 第18-19页 |
| 2.3 入侵检测技术分类 | 第19-20页 |
| 2.3.1 基于误用的入侵检测技术 | 第19-20页 |
| 2.3.2 基于异常的入侵检测技术 | 第20页 |
| 2.4 基于智能算法的入侵检测算法 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 数据分析及预处理 | 第24-34页 |
| 3.1 KDD99数据集 | 第24-27页 |
| 3.1.1 数据集数据分布 | 第24-26页 |
| 3.1.2 连接记录特征表示 | 第26-27页 |
| 3.2 NSL-KDD数据集 | 第27-29页 |
| 3.3 数据预处理 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于概率神经网络的入侵检测模型 | 第34-49页 |
| 4.1 概率神经网络 | 第34-38页 |
| 4.1.1 概率神经网络的基本结构 | 第34-35页 |
| 4.1.2 概率神经网络的学习算法 | 第35-37页 |
| 4.1.3 概率神经网络的Matlab实现 | 第37-38页 |
| 4.2 概率神经网络参数优化 | 第38-40页 |
| 4.2.1 粒子群算法基本思想 | 第38-39页 |
| 4.2.2 粒子群算法优化散布常数流程 | 第39-40页 |
| 4.3 概率神经网络入侵检测模型的构建 | 第40-44页 |
| 4.3.1 输入层数据归一化 | 第41-42页 |
| 4.3.2 确定概率神经网络结构 | 第42页 |
| 4.3.3 预测样本类别 | 第42-43页 |
| 4.3.4 基于概率神经网络的入侵检测模型 | 第43-44页 |
| 4.4 实验及对比分析 | 第44-47页 |
| 4.4.1 评价指标 | 第44-45页 |
| 4.4.2 确定散布常数 | 第45-46页 |
| 4.4.3 粒子群算法优化概率神经网络实验 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 基于深度学习和概率神经网络的入侵检测模型 | 第49-66页 |
| 5.1 人工神经网络 | 第49-51页 |
| 5.1.1 传统神经网络模型 | 第49-50页 |
| 5.1.2 BP学习算法 | 第50-51页 |
| 5.2 深度自动编码器 | 第51-56页 |
| 5.2.1 自动编码器 | 第52-53页 |
| 5.2.2 自动编码器的学习算法 | 第53-54页 |
| 5.2.3 深度自动编码器的构建 | 第54-56页 |
| 5.2.4 深度自动编码器节点的优化问题 | 第56页 |
| 5.3 基于深度自动编码器和概率神经网络的入侵检测模型 | 第56-62页 |
| 5.3.1 深度自动编码器结构的确定 | 第57-60页 |
| 5.3.2 DAE-PNN模型的构建 | 第60-62页 |
| 5.4 基于PCA-PNN的入侵检测模型的实验对比 | 第62-65页 |
| 5.4.1 主成分分析 | 第63-64页 |
| 5.4.2 基于PCA-PNN的入侵检测模型 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 基于DAE-PNN的入侵检测原型系统 | 第66-75页 |
| 6.1 总体设计 | 第66-67页 |
| 6.2 模块设计 | 第67-71页 |
| 6.2.1 数据获取模块 | 第67-68页 |
| 6.2.2 数据解析模块 | 第68-70页 |
| 6.2.3 DAE-PNN检测模块 | 第70-71页 |
| 6.2.4 响应模块 | 第71页 |
| 6.3 系统测试 | 第71-74页 |
| 6.4 总结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 总结 | 第75-76页 |
| 7.2 展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第83页 |