基于特征学习的网络入侵检测技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·入侵检测的发展现状 | 第7-8页 |
| ·课题的研究背景及意义 | 第8-10页 |
| ·本文的主要研究内容及组织结构 | 第10-13页 |
| ·本文的主要研究内容 | 第10页 |
| ·本文的组织结构 | 第10-13页 |
| 2 基本理论及关键技术 | 第13-27页 |
| ·入侵检测简介 | 第13-16页 |
| ·入侵检测发展历程 | 第13-14页 |
| ·入侵检测分析方法 | 第14-16页 |
| ·入侵检测系统的分类 | 第16-17页 |
| ·根据事件信息来源分类 | 第16页 |
| ·根据使用的检测手段分类 | 第16-17页 |
| ·入侵检测系统基本模型 | 第17-20页 |
| ·通用入侵检测模型 | 第17-18页 |
| ·CIDF通用模型 | 第18-19页 |
| ·入侵检测系统的工作模式 | 第19-20页 |
| ·智能检测技术 | 第20-24页 |
| ·入侵检测技术发展趋势 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 基于神经网络的入侵检测算法 | 第27-55页 |
| ·仿真实验数据源 | 第27-30页 |
| ·数据预处理 | 第30-42页 |
| ·特征选择 | 第30-33页 |
| ·特征提取 | 第33-42页 |
| ·神经网络集成 | 第42-49页 |
| ·集成学习 | 第42-44页 |
| ·基于遗传算法的集成神经网络构建 | 第44-46页 |
| ·集成神经网络的理论分析 | 第46-49页 |
| ·基于神经网络的入侵检测算法 | 第49-53页 |
| ·算法描述 | 第49-50页 |
| ·分类系统权值的调整 | 第50-51页 |
| ·仿真实验结果分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 4 基于特征学习的网络入侵检测系统设计 | 第55-67页 |
| ·系统设计思路 | 第55页 |
| ·系统结构 | 第55-57页 |
| ·数据采集模块 | 第57-60页 |
| ·以太网卡的工作模式 | 第58页 |
| ·网络数据包的获取 | 第58-59页 |
| ·数据采集的实现 | 第59-60页 |
| ·集成神经网络学习模块 | 第60-62页 |
| ·数据包预处理 | 第60-61页 |
| ·集成神经网络学习模块设计 | 第61-62页 |
| ·检测模块 | 第62-65页 |
| ·规则库设计 | 第62-64页 |
| ·检测模块设计 | 第64-65页 |
| ·规则抽取模块 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 5 结束语 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 在攻读硕士期间所发表的论文 | 第72页 |
