| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题背景 | 第11页 |
| ·国内外相关研究现状 | 第11-13页 |
| ·现有系统存在的不足 | 第13-14页 |
| ·课题来源、研究内容及意义 | 第14-16页 |
| ·课题来源 | 第14页 |
| ·研究内容 | 第14-15页 |
| ·研究意义 | 第15-16页 |
| 第2章 入侵检测概述 | 第16-25页 |
| ·引言 | 第16页 |
| ·入侵检测系统的必要性 | 第16-19页 |
| ·入侵检测系统的定义和作用 | 第19页 |
| ·入侵检测系统的分类 | 第19-23页 |
| ·根据原始数据的来源分类 | 第20-21页 |
| ·根据检测原理分类 | 第21-23页 |
| ·入侵检测面临的问题及其发展前景 | 第23-24页 |
| ·面临的主要问题 | 第23-24页 |
| ·IDS 主要发展方向 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 人工神经网络 | 第25-34页 |
| ·引言 | 第25页 |
| ·人工神经网络概述 | 第25-29页 |
| ·人工神经网络的定义 | 第25-26页 |
| ·人工神经网络的特征 | 第26-27页 |
| ·研究神经网络的意义 | 第27-29页 |
| ·神经网络技术应用于入侵检测领域的优势与不足 | 第29-30页 |
| ·神经网络技术应用于入侵检测领域的优势 | 第29-30页 |
| ·神经网络技术应用于入侵检测领域的不足 | 第30页 |
| ·径向基函数神经网络 | 第30-33页 |
| ·径向基函数神经网络简介 | 第30-31页 |
| ·RBF 神经网络的结构与特点 | 第31-32页 |
| ·RBF 神经网络应用于入侵检测的优势 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于AGENT 的入侵检测系统框架 | 第34-43页 |
| ·引言 | 第34页 |
| ·AGENT 技术原理 | 第34-35页 |
| ·Agent 技术的定义 | 第34-35页 |
| ·Agent 技术的分类 | 第35页 |
| ·可行性分析 | 第35-36页 |
| ·AGENT 技术应用于入侵检测的优势 | 第36-37页 |
| ·基于AGENT 的入侵检测系统框架 | 第37-40页 |
| ·基于RBF 神经网络的AGENT | 第40-42页 |
| ·数据源的选取 | 第41页 |
| ·入侵行为特征矢量的选取 | 第41页 |
| ·RBF 网络参数设定 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于径向基函数神经网络的多AGENT 入侵检测系统模型 | 第43-50页 |
| ·引言 | 第43页 |
| ·实现模型的思路与方法 | 第43-45页 |
| ·实现模型的思路 | 第43-44页 |
| ·实现模型的方法 | 第44-45页 |
| ·系统模型的总体设计 | 第45-47页 |
| ·系统的训练和检测流程 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 系统模型的仿真与测试 | 第50-55页 |
| ·引言 | 第50页 |
| ·数据来源 | 第50页 |
| ·仿真实验过程 | 第50-53页 |
| ·实验结果及其分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |