| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究目标与内容 | 第13-14页 |
| 1.4 论文的组织架构 | 第14-15页 |
| 第二章 相关技术 | 第15-27页 |
| 2.1 入侵检测 | 第15-19页 |
| 2.1.1 入侵检测概念 | 第15页 |
| 2.1.2 入侵检测技术模型 | 第15-16页 |
| 2.1.3 入侵检测技术分类 | 第16-19页 |
| 2.2 深度学习 | 第19-27页 |
| 2.2.1 BP神经网络 | 第19-22页 |
| 2.2.2 卷积神经网络 | 第22-25页 |
| 2.2.3 Adam优化算法 | 第25-27页 |
| 第三章 模型设计与实验 | 第27-53页 |
| 3.1 模型架构 | 第27-28页 |
| 3.2 模型设计 | 第28-41页 |
| 3.2.1 数据预处理模型 | 第28-32页 |
| 3.2.2 数据聚类模型 | 第32-35页 |
| 3.2.3 特征选择模型 | 第35-39页 |
| 3.2.4 分类模型 | 第39-41页 |
| 3.3 实验 | 第41-53页 |
| 3.3.1 实验数据 | 第41-42页 |
| 3.3.2 实验环境 | 第42页 |
| 3.3.3 数据聚类实验 | 第42-45页 |
| 3.3.4 特征选择实验 | 第45-48页 |
| 3.3.5 分类实验 | 第48-52页 |
| 3.3.6 实验结果对比 | 第52-53页 |
| 第四章 基于卷积神经网络的网络入侵检测系统的设计与实现 | 第53-57页 |
| 4.1 引言 | 第53页 |
| 4.2 需求分析 | 第53-54页 |
| 4.3 系统设计 | 第54-55页 |
| 4.4 系统测试 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间取得的研究成果 | 第65页 |