| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·研究背景及意义 | 第13-14页 |
| ·研究现状及不足 | 第14-16页 |
| ·研究内容及章节安排 | 第16-17页 |
| 第二章 入侵检测和网络安全概述 | 第17-27页 |
| ·入侵检测的相关概念 | 第17-18页 |
| ·入侵检测系统的分类 | 第18-20页 |
| ·常用的攻击技术 | 第20-23页 |
| ·扫描技术 | 第20页 |
| ·拒绝服务攻击 | 第20-21页 |
| ·溢出攻击 | 第21页 |
| ·口令入侵 | 第21-22页 |
| ·欺骗攻击 | 第22页 |
| ·恶意代码攻击 | 第22-23页 |
| ·网络安全体系 | 第23-27页 |
| ·防火墙 | 第23页 |
| ·入侵检测系统 | 第23-25页 |
| ·P2DR 模型 | 第25-26页 |
| ·虚拟专用网 | 第26页 |
| ·网络管理员 | 第26-27页 |
| 第三章 人工神经网络在入侵检测中的应用 | 第27-37页 |
| ·神经网络技术在入侵检测中的研究现状 | 第27页 |
| ·人工神经元模型 | 第27-28页 |
| ·人工神经网络的基本类型 | 第28-31页 |
| ·神经元变换函数的三种类型 | 第28-29页 |
| ·人工神经网络连接的四种基本结构 | 第29-30页 |
| ·学习方法上的分类 | 第30-31页 |
| ·神经网络的特点 | 第31-32页 |
| ·神经网络应用于入侵检测 | 第32-37页 |
| ·BP 网络模型及其算法分析 | 第32-35页 |
| ·算法缺陷 | 第35-37页 |
| 第四章 基于 RBF 神经网络的入侵检测模型的设计与分析 | 第37-46页 |
| ·RBF 神经网络 | 第37-39页 |
| ·RBF 神经网络的结构 | 第37-38页 |
| ·RBF 神经网络学习过程及算法 | 第38-39页 |
| ·遗传算法 | 第39-41页 |
| ·遗传算法概述 | 第39-40页 |
| ·适应度函数的计算 | 第40页 |
| ·选择策略 | 第40-41页 |
| ·自适应的交叉概率和变异概率 | 第41页 |
| ·基于自适应遗传算法的RBF 神经网络入侵检测模型 | 第41-43页 |
| ·基于自适应遗传算法的RBF 神经网络入侵检测模型的设计与分析 | 第43-44页 |
| ·模型的核心设计 | 第43页 |
| ·模型的核心实现 | 第43-44页 |
| ·详细介绍模型各模块的实现 | 第44-46页 |
| ·数据采集模块 | 第44页 |
| ·聚簇规则集 | 第44-45页 |
| ·异常检测引擎 | 第45-46页 |
| 第五章 模拟实验 | 第46-51页 |
| ·实验环境 | 第46页 |
| ·实验数据源的选取 | 第46页 |
| ·实验主界面 | 第46-48页 |
| ·参数设置 | 第46-47页 |
| ·神经网络训练 | 第47-48页 |
| ·入侵检测 | 第48页 |
| ·系统测试 | 第48-50页 |
| ·训练神经网络 | 第49页 |
| ·测试神经网络 | 第49-50页 |
| ·测试结果与分析 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·已完成工作 | 第51-52页 |
| ·进一步工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 在读期间发表的学术论文 | 第57-58页 |
