基于粗糙集—神经网络的入侵检测系统的研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-14页 |
| ·课题研究的目的和意义 | 第9-10页 |
| ·网络安全技术分析 | 第10-12页 |
| ·网络安全基本概念 | 第10-11页 |
| ·网络安全防御技术 | 第11-12页 |
| ·论文研究的主要内容 | 第12-14页 |
| 第2章 入侵检测概述 | 第14-20页 |
| ·入侵检测概述 | 第14页 |
| ·入侵检测的分类 | 第14-15页 |
| ·入侵检测系统的标准化 | 第15-17页 |
| ·入侵检测存在的问题及发展趋势 | 第17-19页 |
| ·入侵检测存在的问题 | 第17-18页 |
| ·入侵检测的发展趋势 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 神经网络和粗糙集 | 第20-28页 |
| ·神经网络技术 | 第20-23页 |
| ·神经网络概述及其简史 | 第20-21页 |
| ·神经网络在入侵检测系统中的应用 | 第21-22页 |
| ·学习向量量化网络 | 第22-23页 |
| ·粗糙集理论 | 第23-27页 |
| ·粗糙集理论及其发展 | 第23-25页 |
| ·可辨识矩阵 | 第25页 |
| ·最佳属性化简算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于粗糙集-神经网络的入侵检测方法研究 | 第28-43页 |
| ·神经网络和粗糙集理论应用于入侵检测 | 第28-31页 |
| ·神经网络应用于入侵检测 | 第28-29页 |
| ·基于粗糙集-神经网络的入侵检测模型的提出 | 第29-31页 |
| ·粗糙集-神经网络应用于入侵检测的若干问题 | 第31-35页 |
| ·数据包的捕获问题 | 第31-32页 |
| ·LVQ网络的相关参数选择 | 第32-35页 |
| ·最佳属性化简算法分析 | 第35-37页 |
| ·网络攻击类型分析 | 第37-38页 |
| ·提高入侵检测性能的方案 | 第38-42页 |
| ·基于网络数据包的特征和行为分析 | 第38-39页 |
| ·数据挖掘方法研究 | 第39-40页 |
| ·网络训练方式 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 RS-NNIDM的设计与实现 | 第43-60页 |
| ·模型设计的总体思路 | 第43页 |
| ·模型的总体框架 | 第43-45页 |
| ·模型的功能和性能 | 第43-44页 |
| ·模型的结构和工作原理 | 第44-45页 |
| ·数据采集模块 | 第45-50页 |
| ·网络数据包捕获模块的位置 | 第45页 |
| ·网络数据包捕获 | 第45-48页 |
| ·分析数据包 | 第48-50页 |
| ·数据分析模块 | 第50-54页 |
| ·数据预处理 | 第50-51页 |
| ·粗糙集约简并提取规则 | 第51-54页 |
| ·神经网络模块 | 第54-56页 |
| ·专家系统模块 | 第56-57页 |
| ·报警模块 | 第57-59页 |
| ·响应技术分析 | 第57-58页 |
| ·报警模块的功能 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 模型的实验结果 | 第60-66页 |
| ·学习样本和测试样本 | 第60-61页 |
| ·实验结果及其分析 | 第61-65页 |
| ·实验过程 | 第61-65页 |
| ·实验结论 | 第65页 |
| ·本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 附录: 攻读硕士期间参与研究和发表的学术论文 | 第72页 |
