基于聚类和神经网络的入侵检测系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·引言 | 第10页 |
| ·网络安全与入侵检测 | 第10-13页 |
| ·网络安全目标 | 第10-11页 |
| ·网络安全现状 | 第11-12页 |
| ·网络安全技术 | 第12-13页 |
| ·入侵检测的研究现状和发展趋势 | 第13-17页 |
| ·研究现状 | 第13-14页 |
| ·发展趋势 | 第14-16页 |
| ·入侵检测系统的作用 | 第16页 |
| ·评价入侵检测系统性能的指标 | 第16-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第2章 入侵检测系统基础 | 第19-34页 |
| ·引言 | 第19页 |
| ·目前常用的攻击手段和方法分析 | 第19-27页 |
| ·拒绝服务攻击 | 第19-22页 |
| ·探测攻击 | 第22页 |
| ·远程用户到本地的非授权访问 | 第22-25页 |
| ·非授权获得超级用户权限攻击 | 第25-27页 |
| ·入侵检测的概念和分类 | 第27-29页 |
| ·概念 | 第27-28页 |
| ·分类 | 第28-29页 |
| ·入侵检测模型 | 第29-31页 |
| ·Denning 模型 | 第29-30页 |
| ·CIDF 模型 | 第30-31页 |
| ·经典的入侵检测方法 | 第31-33页 |
| ·误用检测 | 第31-32页 |
| ·异常检测 | 第32-33页 |
| ·误用检测与异常检测的结合 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于聚类的异常检测. | 第34-48页 |
| ·引言 | 第34-35页 |
| ·蚁群算法原理 | 第35-41页 |
| ·蚂蚁觅食的生态现象 | 第35-36页 |
| ·人工蚁群与真实蚁群 | 第36-37页 |
| ·基本蚁群算法原理 | 第37-41页 |
| ·入侵检测聚类过程 | 第41-42页 |
| ·基于蚁群优化聚类的入侵检测算法实现 | 第42-43页 |
| ·试验与仿真 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于神经网络的误用检测 | 第48-66页 |
| ·引言 | 第48页 |
| ·神经网络技术 | 第48-51页 |
| ·神经网络的优点 | 第48-49页 |
| ·神经网络的发展 | 第49-51页 |
| ·神经网络在入侵检测中的应用 | 第51-63页 |
| ·基于神经网络入侵体系结构和工作原理 | 第51-53页 |
| ·BP 神经网络算法 | 第53-55页 |
| ·RBF 神经网络算法 | 第55-56页 |
| ·样条权函数神经网络 | 第56-63页 |
| ·基于样条权函数神经网络入侵检测实验与仿真 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |
