| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题的研究背景 | 第9页 |
| ·铁路信号微机监测系统网络的发展现状 | 第9-13页 |
| ·微机监测系统的网络构成 | 第10-12页 |
| ·微机监测网络的存在问题及解决方法 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| 2 微机监测网络中入侵检测技术的应用 | 第14-27页 |
| ·入侵检测技术 | 第14-17页 |
| ·入侵检测的定义 | 第14页 |
| ·入侵检测系统的分类 | 第14-15页 |
| ·常见入侵检测系统的部署 | 第15-16页 |
| ·入侵检测系统在微机监测网络中的作用及部署 | 第16-17页 |
| ·基于BP神经网络的入侵检测技术 | 第17-23页 |
| ·神经网络的概述 | 第17-18页 |
| ·神经网络在入侵检测技术中的优势 | 第18-19页 |
| ·BP神经网络的结构及算法 | 第19-21页 |
| ·本文BP学习算法的选取 | 第21-23页 |
| ·基于BP神经网络的入侵检测技术在微机监测网络中的应用 | 第23-27页 |
| ·微机监测网络中常见攻击技术的分析 | 第23-25页 |
| ·入侵行为指标的选取 | 第25页 |
| ·神经网络中规则的抽取 | 第25-27页 |
| 3 微机监测网络中入侵检测系统的模型设计 | 第27-52页 |
| ·微机监测网络中IDS的总体设计 | 第27-29页 |
| ·Denning模型 | 第27-28页 |
| ·微机监测网络中IDS的设计目标 | 第28页 |
| ·微机监测网络中IDS模型的体系结构 | 第28-29页 |
| ·数据采集模块 | 第29-35页 |
| ·微机监测网络中数据的捕获原理 | 第29-31页 |
| ·在Windows平台下捕获数据包的结构 | 第31-32页 |
| ·基于Winpcap的数据捕获技术 | 第32-33页 |
| ·数据包捕获函数 | 第33-35页 |
| ·数据预处理模块 | 第35-46页 |
| ·协议分析 | 第35-39页 |
| ·数据包特征提取 | 第39-40页 |
| ·数据处理模块 | 第40-46页 |
| ·基于神经网络的入侵分析模块 | 第46-50页 |
| ·BP神经网络模型的建立 | 第46-49页 |
| ·神经网络的训练和学习 | 第49页 |
| ·神经网络入侵检测算法的实现 | 第49-50页 |
| ·入侵响应模块 | 第50-52页 |
| ·入侵响应的主要方式 | 第50-51页 |
| ·联动入侵响应的基本特性及系统模型 | 第51-52页 |
| 4 微机监测网络中入侵检测系统的训练与测试 | 第52-60页 |
| ·实验条件与实验数据 | 第52-53页 |
| ·实验条件 | 第52页 |
| ·实验数据的组成 | 第52-53页 |
| ·实验参数 | 第53页 |
| ·系统训练与测试 | 第53-60页 |
| ·神经网络参数的确定 | 第53-55页 |
| ·神经网络的训练 | 第55-57页 |
| ·系统的测试 | 第57-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读学位期间的研究成果 | 第65页 |