| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 入侵检测 | 第15-19页 |
| 2.1 入侵检测概述 | 第15页 |
| 2.2 入侵检测技术 | 第15-17页 |
| 2.3 经典的入侵检测框架 | 第17-18页 |
| 2.3.1 Denning模型 | 第17-18页 |
| 2.3.2 CIDF | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 人工神经网络 | 第19-32页 |
| 3.1 概述 | 第19-21页 |
| 3.1.1 神经元结构 | 第19-20页 |
| 3.1.2 人工神经网络的原理 | 第20-21页 |
| 3.2 BP神经网络 | 第21-23页 |
| 3.3 受限玻尔兹曼机（RBM） | 第23-30页 |
| 3.3.1 玻尔兹曼机（Boltzmann machine，BM） | 第23-24页 |
| 3.3.2 RBM的网络结构 | 第24-25页 |
| 3.3.3 能量函数 | 第25-26页 |
| 3.3.4 学习算法 | 第26-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 RBM-BP模型在入侵检测中的应用 | 第32-51页 |
| 4.1 基于人工神经网络的入侵检测框架 | 第32-36页 |
| 4.1.1 目前入侵检测系统存在的问题 | 第32-33页 |
| 4.1.2 基于人工神经网络的入侵检测框架 | 第33-34页 |
| 4.1.3 模块设计 | 第34-36页 |
| 4.2 RBM-BP模型 | 第36-40页 |
| 4.2.1 设计原理 | 第36页 |
| 4.2.2 模型结构 | 第36-37页 |
| 4.2.3 模型学习 | 第37-39页 |
| 4.2.4 参数设置 | 第39-40页 |
| 4.3 实验数据和评价标准 | 第40-42页 |
| 4.3.1 实验数据集介绍 | 第40-42页 |
| 4.3.2 实验评价标准 | 第42页 |
| 4.4 实验设计 | 第42-50页 |
| 4.4.1 RBM网络结构的确定 | 第42-44页 |
| 4.4.2 实验结果分析 | 第44-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |