| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·网络安全现状 | 第9-10页 |
| ·入侵检测概述与神经网络原理 | 第10-12页 |
| ·入侵检测系统的作用 | 第10页 |
| ·入侵检测系统分类 | 第10页 |
| ·常用的入侵检测方法 | 第10-11页 |
| ·神经网络的概念 | 第11页 |
| ·神经网络的优势 | 第11-12页 |
| ·课题研究的目的和意义 | 第12页 |
| ·本文主要研究内容及结构 | 第12-14页 |
| 2 网络入侵检测 | 第14-21页 |
| ·引言 | 第14页 |
| ·网络入侵检测的概念 | 第14-17页 |
| ·入侵检测的产生及发展 | 第14-15页 |
| ·入侵检测的有关概念 | 第15-16页 |
| ·入侵检测的主要方法 | 第16-17页 |
| ·网络入侵检测的步骤 | 第17-19页 |
| ·信息收集 | 第17-18页 |
| ·信息分析 | 第18-19页 |
| ·发现入侵作出响应 | 第19页 |
| ·入侵检测系统（IDS）的改进方向 | 第19-20页 |
| ·提高入侵检测系统的优化能力 | 第19-20页 |
| ·高度分布式监控结构的使用 | 第20页 |
| ·增强入侵检测系统的互动性能 | 第20页 |
| ·本章小结 | 第20-21页 |
| 3 人工神经网络技术概述 | 第21-29页 |
| ·人工神经网络技术的定义 | 第21页 |
| ·人工神经网络技术的发展历史 | 第21-23页 |
| ·人工神经网络理论的发展初期 | 第21-22页 |
| ·人工神经网络发展的低谷期 | 第22页 |
| ·人神经网络的快速发展期 | 第22-23页 |
| ·人工神经网络技术的基本结构 | 第23-27页 |
| ·递归网络 | 第23-25页 |
| ·前馈网络 | 第25-27页 |
| ·神经网络应用于入侵检测模型 | 第27-28页 |
| ·基于神经网络的CIDF 模型 | 第27页 |
| ·基于神经网络的IDES 模型 | 第27-28页 |
| ·基于神经网络的DIDS 模型 | 第28页 |
| ·本章小结 | 第28-29页 |
| 4 基于径向基函数（RBF）神经网络的入侵检测系统 | 第29-46页 |
| ·入侵检测系统设计的一般原则 | 第29-30页 |
| ·综合集成基于主机和网络的检测数据来源 | 第29页 |
| ·特征检测与行为检测互补的原则 | 第29-30页 |
| ·神经网络应用于入侵检测 | 第30-31页 |
| ·RBF 神经网络 | 第31-35页 |
| ·RBF 神经网络实现原理 | 第31-32页 |
| ·RBF 神经网络的学习算法 | 第32-35页 |
| ·RBF 神经网络的工具箱函数 | 第35页 |
| ·构建基于RBF 神经网络的IDS 模型 | 第35-43页 |
| ·系统模块功能 | 第35-36页 |
| ·数据包捕获和解析模块 | 第36-38页 |
| ·预处理模块 | 第38-40页 |
| ·系统功能的实现 | 第40-42页 |
| ·响应模块 | 第42-43页 |
| ·PCA 特征提取模块 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5 系统仿真实验和结果分析 | 第46-57页 |
| ·实验环境 | 第46页 |
| ·实验数据 | 第46-50页 |
| ·实验数据来源 | 第46-49页 |
| ·用RBF 网络分类器实现特征排序 | 第49-50页 |
| ·系统运行及过程分析 | 第50-56页 |
| ·实验分析及结论 | 第56页 |
| ·本章小结 | 第56-57页 |
| 6 总结和展望 | 第57-58页 |
| ·总结 | 第57页 |
| ·展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录 作者在攻读学位期间发表的论文目录 | 第61页 |