| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·前言 | 第10-11页 |
| ·传统的网络安全技术 | 第11-12页 |
| ·常见的网络攻击 | 第12-13页 |
| ·UDP 洪水攻击 | 第12-13页 |
| ·Teardrop 攻击 | 第13页 |
| ·SYN-flood 洪水攻击 | 第13页 |
| ·ping of death 攻击 | 第13页 |
| ·CGI 攻击 | 第13页 |
| ·畸形消息攻击 | 第13页 |
| ·入侵检测的国内外研究现状 | 第13-15页 |
| ·入侵检测的发展方向 | 第15-16页 |
| ·课题确立的背景和意义 | 第16-17页 |
| ·章节安排 | 第17-18页 |
| 第二章 入侵检测系统 | 第18-26页 |
| ·入侵检测的相关概念 | 第18-19页 |
| ·入侵检测的分类 | 第19-22页 |
| ·根据数据分析手段分类 | 第19-20页 |
| ·按照信息源的分类 | 第20-22页 |
| ·入侵检测常用方法 | 第22-23页 |
| ·入侵检测系统的通用模型 | 第23-24页 |
| ·入侵检测系统的组成 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 隐马尔可夫模型介绍 | 第26-32页 |
| ·隐马尔可夫模型原理 | 第26-27页 |
| ·隐马尔可夫模型的三个基本问题 | 第27-28页 |
| ·隐马尔可夫模型三个问题的解法 | 第28-30页 |
| ·HMM 的在模式识别领域的应用 | 第30页 |
| ·HMM 在入侵检测方面的应用 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 RBFNN-HMM 模型 | 第32-40页 |
| ·神经网络简介 | 第32-33页 |
| ·神经网络基本概念 | 第32页 |
| ·神经网络的优缺点 | 第32-33页 |
| ·神经网络在入侵检测中的应用简介 | 第33-34页 |
| ·RBF 神经网络 | 第34-36页 |
| ·RBF 神经网络简介 | 第34-36页 |
| ·RBF 网络的训练 | 第36页 |
| ·RBFNN-HMM 模型的提出 | 第36-38页 |
| ·RBFNN-HMM 训练算法 | 第38-39页 |
| ·HMM 中矩阵 B、π和矩阵A 的更新 | 第38-39页 |
| ·RBFNN-HMM 的训练算法步骤 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于 RBFNN-HMM 网络入侵检测技术 | 第40-54页 |
| ·基于RBFNN-HＭＭ网络入侵检测模型结构 | 第40页 |
| ·入侵检测模型具体实现 | 第40-51页 |
| ·数据采集模块 | 第40-41页 |
| ·数据包解析模块 | 第41-47页 |
| ·数据预处理模块 | 第47-49页 |
| ·RBFNN-HMM 模型训练模块 | 第49-50页 |
| ·RBFNN-HMM 模型检测模块 | 第50-51页 |
| ·PCA 特征提取 | 第51-53页 |
| ·数据降维方式介绍 | 第51-52页 |
| ·主成分分析法简介 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 实验结果与分析 | 第54-62页 |
| ·实验环境 | 第54页 |
| ·实验数据 | 第54-57页 |
| ·系统运行及过程分析 | 第57-61页 |
| ·实验分析及结论 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第七章 总结和展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |