基于神经网络融合方法的入侵检测系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·课题研究背景 | 第7页 |
| ·计算机网络安全现状 | 第7-8页 |
| ·入侵检测的发展 | 第8-10页 |
| ·本论文主要工作 | 第10-12页 |
| 2 入侵检测系统概述 | 第12-21页 |
| ·入侵检测系统 | 第12-15页 |
| ·基于主机的入侵检测 | 第12-13页 |
| ·基于网络的入侵检测 | 第13页 |
| ·基于主机和网络的入侵检测 | 第13-15页 |
| ·入侵检测技术的分类 | 第15-19页 |
| ·基于误用的入侵检测技术 | 第15-16页 |
| ·基于异常的入侵检测 | 第16-19页 |
| ·入侵检测的标准化工作 | 第19-21页 |
| ·组件和数据 | 第19-20页 |
| ·层次和服务 | 第20页 |
| ·语言 | 第20-21页 |
| 3 神经网络基本理论 | 第21-29页 |
| ·人工神经网络发展历程以及研究方向 | 第21-24页 |
| ·人工神经网络的发展历程 | 第21-22页 |
| ·神经网络与入侵检测 | 第22-24页 |
| ·人工神经网络的基本组成 | 第24-25页 |
| ·多层感知器的标准反向传播算法 | 第25-29页 |
| ·标准反向传播算法的原理 | 第25-26页 |
| ·带动量更新的反向传播算法描述 | 第26-29页 |
| 4 基于神经网络融合方法的入侵检测模型 | 第29-38页 |
| ·集成学习理论 | 第29-30页 |
| ·信息融合 | 第30-31页 |
| ·基于信息融合的集成学习在入侵检测中的应用 | 第31-38页 |
| ·基于集成学习模型的入侵检测技术 | 第31-33页 |
| ·基于神经网络的融合方法描述 | 第33页 |
| ·集成学习模型 | 第33-35页 |
| ·集成学习模型的改进与实现 | 第35-38页 |
| 5 实验与分析 | 第38-47页 |
| ·数据来源 | 第38-39页 |
| ·特征提取 | 第39-42页 |
| ·数据的预处理 | 第42-44页 |
| ·实验说明 | 第44-45页 |
| ·实验结果与分析 | 第45-47页 |
| 6 基于神经网络融合方法的Snort分析与设计 | 第47-57页 |
| ·数据采集 | 第47-48页 |
| ·Snort系统组成 | 第48-52页 |
| ·Snort结构及功能 | 第48-50页 |
| ·Snort总体流程 | 第50-52页 |
| ·基于神经网络融合方法的Snort设计 | 第52-57页 |
| 7 总结与展望 | 第57-59页 |
| ·本文总结 | 第57页 |
| ·下一步的工作 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
