| 目录 | 第1-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·立题的意义 | 第9-10页 |
| ·国内外研究现状和发展趋势 | 第10-11页 |
| ·课题的研究背景和主要内容 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 第2章 入侵检测系统原理 | 第14-20页 |
| ·网络安全概述 | 第14-16页 |
| ·网络安全的基本观点 | 第14页 |
| ·网络安全模型—P2DR(policy protection detection response) | 第14-15页 |
| ·入侵检测在P2DR 模型中的位置及作用 | 第15-16页 |
| ·入侵检测系统概述 | 第16-18页 |
| ·入侵及入侵检测定义 | 第16页 |
| ·入侵检测系统的基本结构 | 第16-17页 |
| ·入侵检测系统的分类 | 第17-18页 |
| ·入侵检测体系结构 | 第18-20页 |
| 第3章 一种改进的模式匹配算法 | 第20-28页 |
| ·模式匹配入侵检测方法的功能原理 | 第20页 |
| ·数据收集/过滤模块 | 第20-23页 |
| ·利用Winpcap 实现数据捕获 | 第21-22页 |
| ·采用协议树的结构对数据包进行初步解析 | 第22-23页 |
| ·模式匹配算法的改进 | 第23-28页 |
| ·现有模式匹配算法分析 | 第23-26页 |
| ·对BM 算法的改进 | 第26-27页 |
| ·总结 | 第27-28页 |
| 第4章 模糊神经网络模型 | 第28-36页 |
| ·模糊逻辑理论相关概念 | 第28-30页 |
| ·入侵检测中引入模糊理论的必要性 | 第30-33页 |
| ·数据挖掘技术应用到入侵检测中的局限性分析 | 第31-32页 |
| ·入侵检测中引入模糊理论的必要性 | 第32-33页 |
| ·模糊神经网络模型(FBPNM) | 第33-36页 |
| ·模糊神经网络结构的确定 | 第33-34页 |
| ·神经网络在入侵检测中的应用 | 第34-35页 |
| ·预测在入侵检测中地位及作用 | 第35-36页 |
| 第5章 预测模型在入侵检测中的应用研究 | 第36-54页 |
| ·一种改进的模糊PI-SIGMA 神经网络预测模型 | 第36-41页 |
| ·预测模型的选取 | 第36页 |
| ·预测模型的建立 | 第36-37页 |
| ·混合型Pi-sigma 神经网络 | 第37-39页 |
| ·混合型神经网络的学习算法 | 第39-41页 |
| ·模糊逻辑在本文中的应用 | 第41-46页 |
| ·确定参数集(因素集) | 第41-44页 |
| ·隶属度函数的确定方法 | 第44-46页 |
| ·试验 | 第46-54页 |
| ·收集数据 | 第46-47页 |
| ·确定隶属函数 | 第47-51页 |
| ·训练网络 | 第51-52页 |
| ·预测 | 第52-53页 |
| ·总结 | 第53-54页 |
| 第6章 结束语 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间的主要成果 | 第60页 |