| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文的研究背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第二章 实验数据集与预处理 | 第12-22页 |
| 2.1 常用网络入侵检测数据集的分析 | 第12-13页 |
| 2.2 UNSW-NB15 数据集 | 第13-16页 |
| 2.2.1 UNSW-NB15 属性特征 | 第13-16页 |
| 2.3 实验选用数据集 | 第16-18页 |
| 2.4 数据集预处理 | 第18-21页 |
| 2.4.1 去除冗余特征 | 第18-19页 |
| 2.4.2 特征数值化 | 第19-20页 |
| 2.4.3 标签数值化 | 第20-21页 |
| 2.4.4 数据归一化 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 CNN模型的研究与分析 | 第22-37页 |
| 3.1 卷积神经网络 | 第22-31页 |
| 3.1.1 CNN基本结构 | 第22-25页 |
| 3.1.2 CNN的训练过程 | 第25-26页 |
| 3.1.3 CNN的经典模型 | 第26-31页 |
| 3.2 激活函数的分析对比 | 第31-33页 |
| 3.3 批归一化(Batch Normalization) | 第33-34页 |
| 3.4 优化算法 | 第34-35页 |
| 3.5 分类算法 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于ResNet的入侵检测模型 | 第37-41页 |
| 4.1 基于CNN的入侵检测模型架构 | 第37-38页 |
| 4.2 LeNet-5 模型参数设置 | 第38页 |
| 4.3 LeNet-5 模型参数设置 | 第38-39页 |
| 4.4 ResNet模型参数设置 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 仿真实验与结果分析 | 第41-51页 |
| 5.1 实验环境 | 第41页 |
| 5.2 模型性能评价标准 | 第41-42页 |
| 5.3 实验结果与对比分析 | 第42-50页 |
| 5.3.1 基于LeNet-5、AlexNet和 ResNet的 IDS的对比分析 | 第42-46页 |
| 5.3.2 BN层对基于ResNet的 IDS的影响 | 第46-47页 |
| 5.3.3 不同激活函数对ResNet模型的影响分析 | 第47-48页 |
| 5.3.4 Dropout对 ResNet模型的影响分析 | 第48-49页 |
| 5.3.5 Batch size对 ResNet模型的影响分析 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
