| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题背景和意义 | 第8-10页 |
| ·国内外研究现状 | 第10页 |
| ·论文研究内容和工作 | 第10-11页 |
| ·论文组织结构 | 第11-12页 |
| 2 入侵检测研究 | 第12-25页 |
| ·入侵检测介绍 | 第12-15页 |
| ·入侵检测的概念 | 第12页 |
| ·入侵检测的原理 | 第12-13页 |
| ·入侵检测系统及其通用模型（CIDF） | 第13-15页 |
| ·入侵检测系统分类 | 第15-16页 |
| ·基于主机的入侵检测系统 | 第15-16页 |
| ·基于网络的入侵检测系统 | 第16页 |
| ·入侵检测技术 | 第16-23页 |
| ·误用检测技术 | 第16-19页 |
| ·异常检测技术 | 第19-23页 |
| ·入侵检测技术对比 | 第23页 |
| ·入侵检测技术的发展趋势 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 BP 神经网络研究 | 第25-38页 |
| ·人工神经网络概述 | 第25-28页 |
| ·人工神经元模型 | 第25-26页 |
| ·人工神经网络模型 | 第26-28页 |
| ·人工神经网络特征 | 第28页 |
| ·BP 神经网络结构 | 第28-29页 |
| ·BP 算法 | 第29-35页 |
| ·BP 算法基本思想 | 第29-30页 |
| ·BP 算法流程 | 第30-33页 |
| ·BP 算法存在的问题 | 第33-35页 |
| ·BP 神经网络在入侵检测中的应用 | 第35-37页 |
| ·传统统计检测方法的不足 | 第35-36页 |
| ·传统统计检测方法的不足 | 第36页 |
| ·BP 神经网络应用于入侵检测的实现方式及存在的问题 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 BP 改进算法设计 | 第38-48页 |
| ·BP 算法的改进措施 | 第38-41页 |
| ·增加动量项 | 第38页 |
| ·自适应调整学习系数 | 第38-39页 |
| ·对激发函数和误差函数进行改进 | 第39页 |
| ·改进学习规则 | 第39页 |
| ·其它方法 | 第39-41页 |
| ·BP 改进算法基本思想 | 第41-42页 |
| ·BP 改进算法实现 | 第42-47页 |
| ·误差信号函数设计 | 第42-43页 |
| ·学习规则设计 | 第43-44页 |
| ·BP 改进算法流程 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 5 基于 BP 神经网络的智能入侵检测系统设计 | 第48-59页 |
| ·系统总体设计 | 第48-49页 |
| ·数据包捕获模块设计 | 第49-51页 |
| ·协议分析模块设计 | 第51页 |
| ·预处理模块设计 | 第51-53页 |
| ·BP 神经网络模块设计 | 第53-56页 |
| ·BP 神经网络设计 | 第53-55页 |
| ·神经网络入侵检测模型设计 | 第55-56页 |
| ·响应模块设计 | 第56-57页 |
| ·系统仿真测试 | 第57-58页 |
| ·学习测试 | 第57-58页 |
| ·检测测试 | 第58页 |
| ·本章小结 | 第58-59页 |
| 6 结束语 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录：作者在攻读学位期间发表的论文目录 | 第65页 |