基于遗传神经网络的入侵检测模型的研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景和实用意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要工作 | 第12页 |
| ·论文内容安排 | 第12-13页 |
| 2 IDS 主要技术及发展趋势 | 第13-20页 |
| ·入侵检测的必要性 | 第13-14页 |
| ·入侵检测的定义及分类 | 第14-15页 |
| ·入侵检测方法 | 第15-18页 |
| ·误用检测 | 第15-16页 |
| ·异常检测 | 第16-18页 |
| ·入侵检测面临的问题及其发展趋势 | 第18-19页 |
| ·面临的主要问题 | 第18页 |
| ·发展趋势 | 第18-19页 |
| ·本章小节 | 第19-20页 |
| 3 神经网络和遗传算法 | 第20-30页 |
| ·神经网络 | 第20-22页 |
| ·神经网络的研究简史 | 第20页 |
| ·多层前馈神经网络 | 第20-21页 |
| ·BP 算法 | 第21-22页 |
| ·遗传算法 | 第22-28页 |
| ·遗传算法的基本概念 | 第22-23页 |
| ·遗传算法的思想 | 第23-24页 |
| ·遗传算法的编码和适度函数 | 第24-25页 |
| ·遗传算法的操作算子和参数设置 | 第25-28页 |
| ·遗传算法的改进 | 第28页 |
| ·利用遗传算法训练神经网络[32] | 第28-29页 |
| ·本章小节 | 第29-30页 |
| 4 入侵检测的模型 | 第30-41页 |
| ·建模的思想 | 第30-32页 |
| ·数据收集和预处理 | 第30-32页 |
| ·建立数据分析模块 | 第32页 |
| ·典型的入侵检测模型 | 第32-36页 |
| ·入侵检测系统的通用模型 | 第32-33页 |
| ·IDES 模型 | 第33-35页 |
| ·DIDS 模型 | 第35-36页 |
| ·基于神经网络的入侵检测模型 | 第36-40页 |
| ·模型的总体设计 | 第37-38页 |
| ·模块的功能 | 第38-40页 |
| ·本章小节 | 第40-41页 |
| 5 构造基于神经网络的异常检测器 | 第41-53页 |
| ·构建异常检测器的思想 | 第41页 |
| ·改进的遗传算法 | 第41-46页 |
| ·算法的思想 | 第41页 |
| ·算法描述 | 第41-42页 |
| ·编码设计 | 第42-43页 |
| ·适度函数设计 | 第43页 |
| ·交叉算子 | 第43-44页 |
| ·变异算子 | 第44-46页 |
| ·算法终止条件 | 第46页 |
| ·训练神经网络 | 第46页 |
| ·实验结果及数据分析 | 第46-51页 |
| ·实验数据 | 第46-49页 |
| ·算法参数设置 | 第49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 6 论文总结 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-59页 |
