RBF神经网络在入侵检测中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-15页 |
| ·研究背景和意义 | 第13-14页 |
| ·论文研究的内容和组织结构 | 第14-15页 |
| 第二章 入侵检测技术 | 第15-24页 |
| ·入侵检测的概念 | 第15页 |
| ·入侵检测技术分类 | 第15-18页 |
| ·根据数据分析手段分类 | 第16-17页 |
| ·根据原始数据来源分类 | 第17-18页 |
| ·通用入侵检测系统模型 | 第18-21页 |
| ·入侵检测技术面临的挑战及其发展趋势 | 第21-23页 |
| ·入侵检测技术面临的挑战 | 第21页 |
| ·入侵检测技术发展的趋势 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 神经网络在入侵检测中的应用 | 第24-31页 |
| ·神经网络的基本概念及其工作原理 | 第24-27页 |
| ·神经网络的基本概念 | 第24-26页 |
| ·神经网络的工作原理 | 第26-27页 |
| ·神经网络应用于入侵检测 | 第27-28页 |
| ·传统的 IDS检测方法及其存在的问题 | 第27-28页 |
| ·神经网络的特性 | 第28页 |
| ·神经网络在 IDS应用的相关问题 | 第28-30页 |
| ·数据源的选取 | 第29页 |
| ·入侵特征的确定 | 第29页 |
| ·神经网络的建立 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 RBF神经网络在入侵检测中的应用 | 第31-37页 |
| ·RBF神经网络的模型结构 | 第31-34页 |
| ·径向基函数简介及其理论基础 | 第31页 |
| ·RBF神经网络的网络结构及关键参数 | 第31-34页 |
| ·RBF神经网络在入侵检测系统的研究状况 | 第34-36页 |
| ·RBF神经网络的优点 | 第34-36页 |
| ·RBF神经网络存在的问题 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第五章 优化的 RBF神经网络学习算法 | 第37-46页 |
| ·快速模糊 C-均值算法 | 第37-38页 |
| ·OLS训练算法 | 第38-39页 |
| ·实验仿真及结果分析 | 第39-45页 |
| ·实验数据 | 第39-43页 |
| ·评估参数 | 第43页 |
| ·实验环境 | 第43-44页 |
| ·实验过程及结果分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结和展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 读研期间发表的论文 | 第50页 |
