| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章绪论 | 第7-12页 |
| 1． 1课题研究的目的和意义 | 第7-8页 |
| 1． 2从系统的角度看网络系统安全研究 | 第8-9页 |
| 1． 3存在的问题 | 第9页 |
| 1． 4论文主要工作和成果 | 第9-10页 |
| 1． 5论文的组织结构 | 第10-12页 |
| 第二章入侵检测系统原理 | 第12-28页 |
| 2． 1入侵检测系统基本概念 | 第12-19页 |
| 2． 1． 1入侵检测的原理、功能及特点 | 第12-13页 |
| 2． 1． 2入侵检测的发展历程 | 第13-15页 |
| 2． 1． 3主要的入侵检测系统 | 第15-17页 |
| 2． 1． 4入侵检测系统的标准化 | 第17-19页 |
| 2． 2入侵检测的分类 | 第19-26页 |
| 2． 2． 1从数据来源分类 | 第19-20页 |
| 2． 2． 2从数据分析手段分类 | 第20-25页 |
| 2． 2． 3从体系结构分类 | 第25-26页 |
| 2． 3入侵检测系统的发展趋势 | 第26-27页 |
| 2． 3． 1入侵检测系统面临的主要问题 | 第26页 |
| 2． 3． 2入侵检测系统的发展趋势 | 第26-27页 |
| 2． 4本章小结 | 第27-28页 |
| 第三章基于网络的入侵检测系统(NIDS) | 第28-38页 |
| 3． 1概述 | 第28-29页 |
| 3． 1． 1工作原理 | 第28页 |
| 3． 1． 2工作模型 | 第28-29页 |
| 3． 2数据源分析 | 第29-35页 |
| 3． 2． 1本文实验数据选取 | 第30-31页 |
| 3． 2． 2网络数据包中特征向量分析 | 第31-34页 |
| 3． 2． 3特征向量的预处理 | 第34-35页 |
| 3． 3数据检测引擎 | 第35-36页 |
| 3． 3． 1误用检测 | 第35-36页 |
| 3． 3． 2异常检测 | 第36页 |
| 3． 4系统响应机制 | 第36-37页 |
| 3． 5本章小结 | 第37-38页 |
| 第四章两种异常检测技术 | 第38-49页 |
| 4． 1神经网络的基本理论 | 第38页 |
| 4． 2BP神经网络用于异常入侵检测 | 第38-42页 |
| 4． 2． 1BP网络的基本原理 | 第38-41页 |
| 4． 2． 2BP网络训练过程 | 第41-42页 |
| 4． 2． 3BP网络检测过程 | 第42页 |
| 4． 3数据挖掘的基本理论 | 第42-43页 |
| 4． 3． 1数据挖掘概念描述 | 第42-43页 |
| 4． 3． 2数据挖掘用于入侵检测 | 第43页 |
| 4． 4聚类分析理论 | 第43-45页 |
| 4． 4． 1聚类分析概念 | 第43-44页 |
| 4． 4． 2聚类分析的算法分类 | 第44-45页 |
| 4． 5聚类分析用于异常入侵检测 | 第45-48页 |
| 4． 5． 1聚类分析应用于入侵检测的要求 | 第45页 |
| 4． 5． 2数据预处理 | 第45-46页 |
| 4． 5． 3聚类过程 | 第46-48页 |
| 4． 5． 4检测过程 | 第48页 |
| 4． 6本章小结 | 第48-49页 |
| 第五章异常检测方法性能分析 | 第49-53页 |
| 5． 1从算法理论上进行分析比较 | 第49-50页 |
| 5． 1． 1BP神经网络应用于入侵检测 | 第49-50页 |
| 5． 1． 2层次聚类分析应用于入侵检测 | 第50页 |
| 5． 2从实验结果进行分析比较 | 第50-52页 |
| 5． 4本章小结 | 第52-53页 |
| 第六章遗传算法优化BP网络初始权重用于入侵检测 | 第53-59页 |
| 6． 1BP神经网络用于入侵检测问题分析 | 第53页 |
| 6． 2遗传算法的优化理论 | 第53-54页 |
| 6． 3遗传算法优化BP网络的初始权重用于入侵检测系统 | 第54-58页 |
| 6． 3． 1遗传算法求解初始权重的一般过程 | 第54页 |
| 6． 3． 2性能分析 | 第54-55页 |
| 6． 3． 3实验分析 | 第55-58页 |
| 6． 4本章小结 | 第58-59页 |
| 第七章总结 | 第59-61页 |
| 7． 1工作总结 | 第59页 |
| 7． 2下一步研究工作 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 论文发表情况 | 第65页 |