基于蜜罐学习的神经网络入侵检测模型的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题来源 | 第11-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·研究现状及发展趋势 | 第13-17页 |
| ·入侵检测技术发展史 | 第13-15页 |
| ·研究现状 | 第15-16页 |
| ·未来发展趋势 | 第16-17页 |
| ·本文研究的主要内容 | 第17-18页 |
| 第2章 相关网络安全技术概述 | 第18-35页 |
| ·TCP/IP 简介 | 第18-20页 |
| ·网络攻击技术 | 第20-23页 |
| ·网络攻击的过程和层次 | 第20-21页 |
| ·网络攻击的方法 | 第21-22页 |
| ·网络攻击的新技术及发展趋势 | 第22-23页 |
| ·入侵检测技术 | 第23-30页 |
| ·入侵检测系统 | 第23页 |
| ·入侵检测模型 | 第23-25页 |
| ·入侵检测分类 | 第25-30页 |
| ·蜜罐的概念 | 第30页 |
| ·蜜罐的分类 | 第30-32页 |
| ·蜜罐原理 | 第32-34页 |
| ·网络欺骗 | 第32-33页 |
| ·数据捕获 | 第33页 |
| ·数据分析 | 第33页 |
| ·数据控制 | 第33-34页 |
| ·蜜罐在IDS 中的价值 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第3章 改进遗传算法的径向基函数神经网络 | 第35-51页 |
| ·神经网络 | 第35-41页 |
| ·神经网络概述 | 第35-38页 |
| ·径向基函数网络 | 第38-41页 |
| ·遗传算法 | 第41-45页 |
| ·遗传算法原理及过程 | 第41-43页 |
| ·遗传算法的改进 | 第43-45页 |
| ·改进遗传算法的径基向函数网络 | 第45-50页 |
| ·问题的提出 | 第45-46页 |
| ·染色体基因位编码方式 | 第46页 |
| ·群体规模及遗传算子 | 第46-47页 |
| ·网络隐节点中心值和宽度参数迭代公式 | 第47-49页 |
| ·基于改进遗传算法的径向基函数网络学习过程 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于蜜罐学习的神经网络入侵检测模型 | 第51-63页 |
| ·基于蜜罐学习的神经网络入侵检测体系结构 | 第51-52页 |
| ·系统检测流程图 | 第52-53页 |
| ·各模块的功能实现 | 第53-59页 |
| ·数据捕获模块 | 第53-54页 |
| ·协议分析模块 | 第54-57页 |
| ·数据预处理模块 | 第57-59页 |
| ·改进遗传算法的RBF 神经网络学习及检测过程 | 第59-62页 |
| ·神经网络结构确定过程 | 第59-60页 |
| ·检测过程 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 仿真实验 | 第63-69页 |
| ·训练样本集和测试样本集选取 | 第63页 |
| ·实验结果分析 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
