基于ANN的入侵检测研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·问题的提出及研究意义 | 第9-11页 |
| ·问题的提出 | 第9-10页 |
| ·研究的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·目前研究中待解决的问题 | 第12-13页 |
| ·本文研究的目的和内容 | 第13-15页 |
| ·本文研究的目的 | 第13-14页 |
| ·本文研究的主要内容和结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 入侵检测概述 | 第16-25页 |
| ·入侵检测介绍 | 第16页 |
| ·入侵检测分类 | 第16-19页 |
| ·基于体系结构的分类 | 第16-18页 |
| ·基于分析策略的分类 | 第18-19页 |
| ·入侵检测方法 | 第19-22页 |
| ·误用检测技术 | 第19-20页 |
| ·异常检测技术 | 第20-22页 |
| ·入侵检测技术面临的挑战和前景 | 第22-24页 |
| ·面临的挑战 | 第22-23页 |
| ·前景 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 人工神经网络 | 第25-42页 |
| ·人工神经网络概述 | 第25-29页 |
| ·人工神经网络的发展历程 | 第25-27页 |
| ·人工神经网络的概念 | 第27页 |
| ·人工神经网络的特点 | 第27-29页 |
| ·神经网络的工作原理和学习规则 | 第29-36页 |
| ·神经网络的工作原理 | 第29-32页 |
| ·神经网络的学习规则 | 第32-35页 |
| ·学习算法上的分类 | 第35-36页 |
| ·径向基函数神经网络简介及其理论基础 | 第36-39页 |
| ·径向基函数神经网络应用于入侵检测 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于径向基函数神经网络的入侵检测 | 第42-58页 |
| ·数据源的选取 | 第42-49页 |
| ·kdd99 概述 | 第42-45页 |
| ·特征值数值编码 | 第45-48页 |
| ·特征值归一化处理 | 第48-49页 |
| ·数据源的筛选 | 第49-54页 |
| ·特征值排序规则 | 第49-51页 |
| ·用径向基函数分类器实现特征排序 | 第51-52页 |
| ·特征排序的结果 | 第52-54页 |
| ·数据样本的训练及测试 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 5 实验及分析 | 第58-63页 |
| ·实验过程及结论 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结及展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·下一步工作 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-71页 |
