基于人工神经网络的入侵检测系统
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 插图或附表清单 | 第13-14页 |
| 引言 | 第14-16页 |
| 1 绪论 | 第16-26页 |
| ·研究的背景和意义 | 第16-20页 |
| ·相关术语 | 第20-21页 |
| ·入侵检测相关术语 | 第20-21页 |
| ·神经网络相关术语 | 第21页 |
| ·网络安全问题 | 第21-23页 |
| ·网络安全目标 | 第23页 |
| ·论文的研究内容 | 第23-24页 |
| ·论文的组织安排 | 第24-26页 |
| 2 入侵检测系统 | 第26-44页 |
| ·入侵检测的必要性 | 第26-27页 |
| ·入侵检测的基本概念 | 第27-28页 |
| ·入侵检测的发展历史 | 第28-31页 |
| ·入侵检测的体系结构 | 第31-35页 |
| ·入侵检测系统的基本构成 | 第31-32页 |
| ·数据收集和数据分析 | 第32-34页 |
| ·入侵检测系统的体系结构 | 第34-35页 |
| ·现有入侵检测系统的局限性 | 第35-36页 |
| ·入侵检测的分类 | 第36-40页 |
| ·常用的入侵检测技术 | 第40-44页 |
| ·异常检测 | 第41-42页 |
| ·误用检测 | 第42-44页 |
| 3 多层前馈人工神经网络 | 第44-58页 |
| ·人工神经网络概述 | 第44-50页 |
| ·人工神经网络的提出 | 第44-45页 |
| ·人工神经网络的定义 | 第45页 |
| ·人工神经元模型 | 第45-47页 |
| ·人工神经网络拓扑结构 | 第47-49页 |
| ·人工神经网络的学习规则 | 第49-50页 |
| ·多层前馈人工神经网络 | 第50-52页 |
| ·三层前馈人工神经网络的结构 | 第50-51页 |
| ·多层前馈人工神经网络的计算过程 | 第51页 |
| ·多层前馈人工神经网络的非线性逼近能力 | 第51-52页 |
| ·BP算法 | 第52-58页 |
| 4 TCP/IP协议及常见网络攻击原理 | 第58-72页 |
| ·TCP/IP参考模型 | 第58-59页 |
| ·TCP/IP协议分析 | 第59-67页 |
| ·IP数据包结构 | 第59-61页 |
| ·ICMP数据包结构 | 第61-62页 |
| ·TCP数据包结构 | 第62-64页 |
| ·UDP数据包结构 | 第64-65页 |
| ·TCP/IP遵循的原则 | 第65页 |
| ·TCP三次握手过程 | 第65-66页 |
| ·TCP/IP协议主要安全问题 | 第66-67页 |
| ·常见网络攻击 | 第67-72页 |
| ·黑客入侵的步骤 | 第67-69页 |
| ·常见网络攻击的原理和方法 | 第69-72页 |
| 5 基于BP神经网络的网络入侵检测模型 | 第72-86页 |
| ·人工神经网络在IDS中的应用 | 第72-74页 |
| ·现有入侵检测技术的不足 | 第72-73页 |
| ·神经网络在入侵检测领域的应用优势 | 第73-74页 |
| ·基于BP神经网络的实时网络入侵检测模型 | 第74-80页 |
| ·入侵检测模型的设计 | 第74-75页 |
| ·网络数据包捕获 | 第75-78页 |
| ·协议解析和特征提取 | 第78-80页 |
| ·神经网络的设计实现 | 第80-83页 |
| ·实验 | 第83-86页 |
| ·实验目的 | 第83页 |
| ·实验数据来源 | 第83-84页 |
| ·测试和结果分析 | 第84-86页 |
| 6 总结 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-95页 |
| 作者简介及读研期间主要科研成果 | 第95页 |
