基于分布式学习的神经网络入侵检测算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·国内外在该方向的研究现状 | 第11-13页 |
| ·入侵检测技术研究现状 | 第11-12页 |
| ·基于神经网络算法的入侵检测研究现状 | 第12-13页 |
| ·课题的主要研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14页 |
| ·本课题预期达到的目标 | 第14-15页 |
| 第2章 入侵检测与神经网络 | 第15-25页 |
| ·入侵检测概述及功能 | 第15-16页 |
| ·入侵检测概述 | 第15页 |
| ·入侵检测的功能 | 第15-16页 |
| ·入侵检测方法 | 第16-17页 |
| ·异常入侵检测技术 | 第16-17页 |
| ·误用检测技术 | 第17页 |
| ·神经网络综述 | 第17-23页 |
| ·人工神经网络的概念 | 第17-18页 |
| ·BP 神经网络模型概述 | 第18-19页 |
| ·BP 神经网络模型原理 | 第19-22页 |
| ·神经网络的研究内容 | 第22-23页 |
| ·神经网络的特点 | 第23页 |
| ·神经网络算法的优缺点比较 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于分布式神经网络自学习算法 | 第25-38页 |
| ·入侵检测算法原理 | 第25页 |
| ·BP 算法描述 | 第25-29页 |
| ·BP 算法的基本原理 | 第25-26页 |
| ·BP 算法的步骤与流程 | 第26-29页 |
| ·BP 算法的不足与改进方法 | 第29-30页 |
| ·改进的 BP 神经网络模型 | 第30-33页 |
| ·初始权值的选取 | 第30页 |
| ·输入层节点数目的确定 | 第30-31页 |
| ·网络隐含层的层数与隐节点数目的确定 | 第31-32页 |
| ·神经网络学习参数的自适应学习 | 第32页 |
| ·神经网络的分布式学习 | 第32-33页 |
| ·分布式神经网络自学习算法 | 第33-35页 |
| ·相关定义及规则 | 第33-34页 |
| ·算法的步骤 | 第34-35页 |
| ·基于分布式神经网络自学习算法建立模型 | 第35-37页 |
| ·利用自适应方法选择 BP 神经网络输入变量 | 第35-36页 |
| ·运用分布式神经网络自学习算法建立模型 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 实例验证 | 第38-43页 |
| ·入侵检测数据集及特点 | 第38页 |
| ·输入数据与输出数据 | 第38-40页 |
| ·输入数据 | 第38-39页 |
| ·输出数据 | 第39-40页 |
| ·数据处理 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间所发表的学术论文 | 第47-48页 |
| 致谢 | 第48页 |
