| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·入侵与网络安全 | 第11-12页 |
| ·传统网络安全技术与入侵检测的必要性 | 第12-15页 |
| ·传统网络安全技术分析 | 第12页 |
| ·传统网络安全技术与入侵检测技术之间的结合 | 第12-14页 |
| ·入侵检测系统的必要性 | 第14-15页 |
| ·论文内容安排 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第2章 入侵检测与神经网络 | 第16-32页 |
| ·入侵检测技术 | 第16-23页 |
| ·入侵检测技术概述 | 第16-17页 |
| ·入侵检测基本原理 | 第17页 |
| ·入侵检测技术 | 第17-21页 |
| ·入侵检测系统体系结构 | 第21-22页 |
| ·根据工作方式的分类 | 第22页 |
| ·入侵检测技术的发展方向 | 第22-23页 |
| ·聚类分析方法 | 第23-26页 |
| ·分类分析 | 第23页 |
| ·聚类分析 | 第23-26页 |
| ·神经网络 | 第26-28页 |
| ·神经网络学习算法 | 第26-27页 |
| ·人工神经网络的功能 | 第27页 |
| ·人工神经网络的网络结构 | 第27-28页 |
| ·基于无监督神经网络的入侵检测技术研究 | 第28-31页 |
| ·基于神经网络的入侵检测技术研究 | 第28-29页 |
| ·入侵检测中无监督神经网络的引入 | 第29页 |
| ·基于无监督神经网络的入侵检测模型 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于SOFM的网络入侵检测研究 | 第32-43页 |
| ·自组织特征映射的基本原理 | 第32-33页 |
| ·基于SOFM的入侵检测算法 | 第33-34页 |
| ·自组织特征映射SOFM用于入侵检测的可行性 | 第33页 |
| ·基于自组织特征映射的入侵检测算法 | 第33-34页 |
| ·实验仿真 | 第34-41页 |
| ·实验数据集 | 第34-38页 |
| ·数据预处理 | 第38-39页 |
| ·实验数据选取及SOFM参数设置 | 第39-40页 |
| ·实验数据分析 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于改进的自适应共振理论ART2的入侵检测研究 | 第43-53页 |
| ·自适应共振理论的基本原理 | 第43-48页 |
| ·ART2神经网络结构 | 第43-47页 |
| ·参数及联结权值初始化 | 第47-48页 |
| ·基于改进的自适应共振理论ART2的入侵检测算法 | 第48-50页 |
| ·标准的ART2算法 | 第48页 |
| ·改进的ART2算法 | 第48-50页 |
| ·改进的自适应共振理论ART2网络用于入侵检测的原因 | 第50页 |
| ·实验仿真 | 第50-52页 |
| ·实验数据集 | 第50页 |
| ·数据预处理 | 第50-51页 |
| ·实验数据选取及改进ART2参数设置 | 第51页 |
| ·实验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于改进的FUZZY ART网络的入侵检测研究 | 第53-63页 |
| ·模糊自适应共振理论Fuzzy ART的基本原理 | 第53-58页 |
| ·Fuzzy ART | 第53页 |
| ·Fuzzy ART的拓扑结构和工作原理 | 第53-54页 |
| ·Fuzzy ART的具体算法 | 第54-56页 |
| ·Fuzzy ART存在的问题 | 第56页 |
| ·改进型Fuzzy ART算法——IFART | 第56-58页 |
| ·基于改进的Fuzzy ART的入侵检测算法 | 第58-59页 |
| ·入侵检测中模糊性的引入 | 第58页 |
| ·基于改进的Fuzzy ART的自适应入侵检测伪码 | 第58-59页 |
| ·实验仿真 | 第59-61页 |
| ·实验数据集及预处理 | 第59页 |
| ·代价函数 | 第59-60页 |
| ·参数对入侵检测性能的影响 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 结论与展望 | 第63-64页 |
| ·论文工作总结 | 第63页 |
| ·后继研究工作 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-69页 |
| 致谢 | 第69页 |
