入侵检测中神经网络及D-S理论的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 引言 | 第7-13页 |
| ·本课题研究的目的和意义 | 第7-8页 |
| ·研究与发展现状 | 第8-10页 |
| ·课题来源 | 第10页 |
| ·作者主要工作 | 第10-11页 |
| ·论文章节安排 | 第11-13页 |
| 第2章 入侵检测 | 第13-24页 |
| ·入侵和入侵检测简介 | 第13页 |
| ·入侵检测技术及分类 | 第13-15页 |
| ·入侵检测系统 | 第15-21页 |
| ·入侵检测系统的定义 | 第15-16页 |
| ·入侵检测系统的必要性 | 第16页 |
| ·入侵检测系统的分类 | 第16-18页 |
| ·入侵检测系统的模型 | 第18-19页 |
| ·CIDF-通用入侵检测框架 | 第19-21页 |
| ·现有入侵检测系统的问题 | 第21-24页 |
| 第3章 人工神经网络的基本原理 | 第24-37页 |
| ·人工神经网络简介 | 第24页 |
| ·神经网络的基本组成 | 第24-26页 |
| ·神经元 | 第24-25页 |
| ·神经元之间的连接 | 第25页 |
| ·神经网络 | 第25-26页 |
| ·人工神经网络的学习规则 | 第26-28页 |
| ·人工神经网络的几种基本类型 | 第28-32页 |
| ·神经元变换函数的三种类型 | 第28-29页 |
| ·人工神经网络的四种结构 | 第29-31页 |
| ·学习算法上的分类 | 第31-32页 |
| ·人工神经网络的基本特点 | 第32-34页 |
| ·神经网络应用于入侵检测 | 第34-36页 |
| ·人工神经网络在入侵检测系统中的优劣 | 第36-37页 |
| 第4章 入侵分组和基于BP神经网络的入侵检测 | 第37-67页 |
| ·BP神经网络模型及其算法 | 第37-42页 |
| ·样本数据说明 | 第42-47页 |
| ·实验过程及结果 | 第47-67页 |
| ·神经网络设计 | 第47-59页 |
| ·实验结果及数据 | 第59-67页 |
| 第5章 D-S理论的应用 | 第67-73页 |
| ·信息融合 | 第67页 |
| ·D-S理论基础 | 第67-69页 |
| ·D-S理论应用 | 第69-73页 |
| ·识别框架的建立 | 第69-70页 |
| ·证据体基本概率分配函数的确定 | 第70-71页 |
| ·数据融合实验结果 | 第71-73页 |
| 第6章 结论 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 攻读硕士学位期间的主要工作 | 第78页 |
