| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·论文主要工作 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 2 入侵检测概述 | 第13-20页 |
| ·入侵检测基本概念 | 第13页 |
| ·入侵检测系统组成 | 第13-15页 |
| ·入侵检测系统分类 | 第15-18页 |
| ·基于数据来源的分类 | 第15-16页 |
| ·基于检测技术的分类 | 第16-17页 |
| ·基于系统结构的分类 | 第17-18页 |
| ·入侵检测系统的不足 | 第18-19页 |
| ·入侵检测系统的发展趋势 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 遗传神经网络在入侵检测中的应用 | 第20-31页 |
| ·遗传神经网络概述 | 第20-27页 |
| ·神经网络基本概念 | 第20-21页 |
| ·神经网络分类 | 第21-24页 |
| ·BP 神经网络的结构及工作原理 | 第24-25页 |
| ·遗传神经网络 | 第25-27页 |
| ·遗传神经网络对入检测方法的改进 | 第27-29页 |
| ·遗传神经网络应用到入侵检测中的优势 | 第27-28页 |
| ·基于遗传神经网络的入侵检测方法 | 第28-29页 |
| ·基于遗传神经网络检测方法的不足 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于 LM 的半自适应遗传神经网络在入侵检测中的应用 | 第31-42页 |
| ·LM 优化算法 | 第31-32页 |
| ·半自适应遗传算法 | 第32-39页 |
| ·基本思想 | 第32页 |
| ·编码设计 | 第32-34页 |
| ·适应度函数 | 第34-35页 |
| ·选择算子 | 第35-37页 |
| ·交叉因子 | 第37-38页 |
| ·变异因子 | 第38-39页 |
| ·基于LM 的半自适应遗传神经网络的入侵检测器 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 5 入侵检测仿真实验与分析 | 第42-47页 |
| ·实验数据及预处理 | 第42-44页 |
| ·神经网络结构 | 第44页 |
| ·参数设置 | 第44-45页 |
| ·实验结果及分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| ·全文工作总结 | 第47页 |
| ·下一步工作展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 作者在攻读硕士学位期间发表的论文 | 第53页 |