基于径向基函数神经网络入侵检测技术的研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景和实用意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的主要研究工作 | 第11-12页 |
| 2 入侵检测技术简介 | 第12-19页 |
| ·入侵检测的必要性 | 第12-14页 |
| ·入侵检测与P2DR 安全模型 | 第14-15页 |
| ·入侵检测系统的分类 | 第15-17页 |
| ·根据原始数据的来源分类 | 第15-17页 |
| ·根据检测原理(分析方法)分类 | 第17页 |
| ·入侵检测面临的问题及其发展前景 | 第17-18页 |
| ·面临的主要问题 | 第17-18页 |
| ·发展前景 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 径向基函数神经网络 | 第19-28页 |
| ·人工神经网络技术 | 第19-21页 |
| ·神经网络技术简介 | 第19页 |
| ·神经网络的优点 | 第19-21页 |
| ·神经元模型 | 第21页 |
| ·神经网络技术应用于入侵检测领域的优势与不足 | 第21-22页 |
| ·神经网络技术应用于入侵检测领域具有以下优势 | 第21-22页 |
| ·神经网络技术在入侵检测领域中应用的不足 | 第22页 |
| ·径向基函数神经网络 | 第22-27页 |
| ·径向基函数简介及基理论基础 | 第22-23页 |
| ·RBF 神经网络模型及关键参数 | 第23-26页 |
| ·广义回归神经网络 | 第26页 |
| ·概率神经网络 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 基于神经网络的入侵检测系统模型 | 第28-35页 |
| ·入侵检测系统的公共入侵检测框架CIDF 模型 | 第28-29页 |
| ·典型的入侵检测系统模型 | 第29-31页 |
| ·AAFID 系统模型 | 第29-30页 |
| ·NetSTAT 系统模型 | 第30-31页 |
| ·基于径向基函数神经网络的入侵检测模型 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 5 基于 RBF 神经网络入侵检测系统模型的应用 | 第35-48页 |
| ·实验数据 | 第35-40页 |
| ·实验数据来源 | 第35-36页 |
| ·实验数据预处理 | 第36-40页 |
| ·评估参数 | 第40页 |
| ·实验环境 | 第40-41页 |
| ·实验过程及结果分析 | 第41-46页 |
| ·选取概率神经网络spread 参数值 | 第41-45页 |
| ·分类检测各种攻击类型实验 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 6 论文总结 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录 | 第52-53页 |
| 独创性声明 | 第53页 |
| 学位论文版权使用授权书 | 第53页 |
