基于深度置信网络的入侵检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 入侵检测研究现状 | 第12-14页 |
| 1.2.2 深度置信网络研究现状 | 第14-16页 |
| 1.3 研究目标和内容 | 第16-17页 |
| 1.4 论文的组织架构 | 第17-19页 |
| 第2章 相关技术概述 | 第19-33页 |
| 2.1 入侵检测相关技术 | 第19-24页 |
| 2.1.1 入侵检测的概念 | 第19页 |
| 2.1.2 入侵检测的模型 | 第19-20页 |
| 2.1.3 入侵检测系统的分类和主要技术 | 第20-24页 |
| 2.2 深度学习相关技术 | 第24-30页 |
| 2.2.1 机器学习 | 第24-25页 |
| 2.2.2 机器学习的方法 | 第25-29页 |
| 2.2.3 深度学习 | 第29-30页 |
| 2.3 本章小结 | 第30-33页 |
| 第3章 基于深度置信网络的入侵检测方法 | 第33-47页 |
| 3.1 受限玻尔兹曼机 | 第33-38页 |
| 3.1.1 RBM的训练方法 | 第36-37页 |
| 3.1.2 对比散度算法 | 第37-38页 |
| 3.2 BP神经网络 | 第38-40页 |
| 3.3 深度置信网络 | 第40-41页 |
| 3.4 基于深度置信网络的入侵检测方法 | 第41-45页 |
| 3.4.1 整体结构 | 第41-42页 |
| 3.4.2 参数训练方法 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 基于深度置信网络的入侵检测模型 | 第47-55页 |
| 4.1 公共入侵检测模型框架 | 第48-49页 |
| 4.2 数据采集模块 | 第49-50页 |
| 4.3 数据预处理模块 | 第50-52页 |
| 4.3.1 少数类标签处理 | 第50-51页 |
| 4.3.2 数据归一化处理 | 第51-52页 |
| 4.4 检测模块 | 第52-53页 |
| 4.5 告警和响应模块 | 第53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 实验 | 第55-67页 |
| 5.1 实验数据集 | 第55-57页 |
| 5.2 数据预处理 | 第57-60页 |
| 5.3 实验流程 | 第60-61页 |
| 5.4 实验结果分析 | 第61-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士期间发表的学术论文 | 第73-75页 |
| 致谢 | 第75页 |
