Agent与基于优化RBF神经网络相结合的入侵检测系统研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·入侵检测系统的研究背景 | 第11页 |
| ·入侵检测系统的研究现状 | 第11-13页 |
| ·现有入侵检测系统存在的不足 | 第13-14页 |
| ·研究内容及实际意义 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·研究入侵检测系统的实际意义 | 第15-16页 |
| 第2章 入侵检测概述 | 第16-25页 |
| ·入侵检测技术和入侵检测系统 | 第16-17页 |
| ·入侵检测技术 | 第16页 |
| ·入侵检测系统 | 第16-17页 |
| ·入侵检测技术及入侵检测系统分类 | 第17-20页 |
| ·入侵检测技术分类 | 第17-18页 |
| ·入侵检测系统分类 | 第18-20页 |
| ·入侵检测方法 | 第20-21页 |
| ·入侵检测系统功能和特征 | 第21-23页 |
| ·通用入侵检测系统构架 | 第23页 |
| ·入侵检测的发展方向 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 人工神经网络 | 第25-34页 |
| ·人工神经网络 | 第25-28页 |
| ·人工神经网络 | 第25页 |
| ·人工神经网络特点 | 第25-26页 |
| ·神经网络应用于入侵检测的基本方法 | 第26-27页 |
| ·神经网络应用于入侵检测系统的优势 | 第27页 |
| ·用于入侵检测系统的神经网络模型 | 第27-28页 |
| ·径向基函数神经网络 | 第28-31页 |
| ·径向基函数神经网络简介 | 第28-29页 |
| ·径向基函数神经网络的学习策略 | 第29-30页 |
| ·径向基函数神经网络的缺陷 | 第30-31页 |
| ·对径向基函数神经网络进行优化 | 第31-33页 |
| ·PSO算法概述 | 第31页 |
| ·PSO算法具体实现 | 第31-33页 |
| ·PSO算法优化RBF的入侵检测流程 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 Agent技术及其在入侵检测中的应用 | 第34-43页 |
| ·Agent技术 | 第34-38页 |
| ·Agent技术定义 | 第34-35页 |
| ·Agent的特性 | 第35页 |
| ·Agent的体系结构 | 第35-36页 |
| ·多Agent系统及其体系结构 | 第36-37页 |
| ·Agent的通信 | 第37-38页 |
| ·Agent的协作 | 第38页 |
| ·Agent在入侵检测系统中的应用 | 第38-40页 |
| ·Agent在入侵检测系统中的应用 | 第38-39页 |
| ·Agent应用于入侵检测的优越性 | 第39-40页 |
| ·基于Agent的入侵检测系统框架 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 一种新的入侵检测系统设计和仿真 | 第43-58页 |
| ·新入侵检测系统的总体设计 | 第43-48页 |
| ·新入侵检测系统设计思路 | 第43-46页 |
| ·新入侵检测系统的总体设计 | 第46-48页 |
| ·系统模型的仿真实验和实验结果分析 | 第48-57页 |
| ·系统模型的仿真实验 | 第48-55页 |
| ·仿真实验结果和分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 结论和展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第63-64页 |
