| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 网络安全面临的威胁 | 第8页 |
| 1.1.2 研究入侵检测的必要性 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容及组织结构 | 第10-11页 |
| 第二章 相关技术介绍 | 第11-20页 |
| 2.1 入侵检测 | 第11-15页 |
| 2.1.1 入侵检测模型 | 第11-12页 |
| 2.1.2 入侵检测分类 | 第12-14页 |
| 2.1.3 入侵检测技术存在的问题 | 第14页 |
| 2.1.4 入侵检测技术的发展趋势 | 第14-15页 |
| 2.2 神经网络 | 第15-17页 |
| 2.2.1 BP神经网络原理 | 第15-17页 |
| 2.2.2 BP神经网络的特点 | 第17页 |
| 2.3 遗传算法和禁忌搜索算法 | 第17-19页 |
| 2.3.1 遗传算法 | 第17-18页 |
| 2.3.2 禁忌搜索算法 | 第18页 |
| 2.3.4 禁忌搜索算法特点 | 第18-19页 |
| 2.4 小结 | 第19-20页 |
| 第三章 改进的GA-TS算法 | 第20-36页 |
| 3.1 遗传算法的改进 | 第20-26页 |
| 3.1.1 交叉算子的改进 | 第20-22页 |
| 3.1.2 改进交叉算子的遗传算法 | 第22-23页 |
| 3.1.3 改进交叉算子的遗传算法性能测试 | 第23-26页 |
| 3.1.4 改进交叉算子的遗传算法特点 | 第26页 |
| 3.2 改进的GA-TS算法研究 | 第26-35页 |
| 3.2.1 改进的禁忌搜索算法 | 第27-29页 |
| 3.2.2 改进的GA-TS算法思想 | 第29-30页 |
| 3.2.3 改进的GA-TS算法描述 | 第30-32页 |
| 3.2.4 改进的GA-TS算法性能测试 | 第32-35页 |
| 3.3 小结 | 第35-36页 |
| 第四章 改进GA-TS算法优化的BP神经网络入侵检测模型 | 第36-46页 |
| 4.1 获取网络数据模块 | 第36-39页 |
| 4.2 数据预处理模块 | 第39-40页 |
| 4.3 改进GA-TS算法优化的BP神经网络入侵检测模块 | 第40-45页 |
| 4.3.1 构建BP神经网络 | 第40-42页 |
| 4.3.2 训练和测试BP神经网络 | 第42-43页 |
| 4.3.3 改进GA-TS算法优化BP神经网络 | 第43-45页 |
| 4.4 响应模块 | 第45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 仿真实验及分析 | 第46-50页 |
| 5.1 实验环境及目的 | 第46页 |
| 5.2 实验过程 | 第46-47页 |
| 5.2.1 实验数据 | 第46页 |
| 5.2.2 实验参数设置 | 第46-47页 |
| 5.2.3 实验结果衡量指标 | 第47页 |
| 5.3 实验结果分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 工作总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-58页 |
| 攻读学位期间主要的研究成果 | 第58-59页 |
| 致谢 | 第59页 |