| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题来源 | 第11页 |
| ·研究目的和意义 | 第11-12页 |
| ·研究的目的 | 第11-12页 |
| ·研究的意义 | 第12页 |
| ·网络安全概述 | 第12-16页 |
| ·典型的网络“威胁” | 第13页 |
| ·现有网络安全机制和服务 | 第13-14页 |
| ·PPDR 安全模型 | 第14-15页 |
| ·国内外网络安全主要产品 | 第15-16页 |
| ·本文研究的主要内容 | 第16-17页 |
| 第2章 入侵检测概述 | 第17-24页 |
| ·入侵检测发展状况 | 第17-18页 |
| ·入侵检测分类 | 第18-19页 |
| ·通用入侵检测模型 | 第19-21页 |
| ·Denning 的通用入侵检测系统模型 | 第19-20页 |
| ·CIDF——通用入侵检测系统模型 | 第20-21页 |
| ·入侵检测技术的发展趋势 | 第21-22页 |
| ·当前存在的问题 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 神经网络和遗传算法 | 第24-31页 |
| ·人工神经网络 | 第24-26页 |
| ·BP(Back Propagation)神经网络 | 第24-25页 |
| ·BP 算法 | 第25页 |
| ·BP 神经网络在入侵检测中的应用 | 第25-26页 |
| ·遗传算法 | 第26-28页 |
| ·遗传算法基本思想 | 第26-27页 |
| ·遗传算法的改进 | 第27-28页 |
| ·遗传算法优化神经网络 | 第28-29页 |
| ·遗传神经网络应用于入侵检测的原因 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于实数编码的遗传神经网络方法 | 第31-37页 |
| ·实数编码遗传算法 | 第31-33页 |
| ·编码方式 | 第31页 |
| ·适应度函数 | 第31-32页 |
| ·遗传算子设计 | 第32-33页 |
| ·面向神经网络权重学习 | 第33页 |
| ·遗传算法结合神经网络 | 第33-35页 |
| ·运行参数的确定 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 构造实数编码遗传神经网络的分类检测器 | 第37-41页 |
| ·系统总体结构 | 第37-38页 |
| ·分类检测器同步检测模型 | 第38-39页 |
| ·同步检测的算法描述 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第6章 数据预处理 | 第41-52页 |
| ·数据来源 | 第41页 |
| ·KDDCUP99 数据 | 第41-44页 |
| ·存在的问题 | 第44页 |
| ·数据预处理 | 第44-45页 |
| ·矩阵理论应用于样本精简 | 第45-47页 |
| ·二次处理 | 第47-51页 |
| ·采用的数据存储结构 | 第48页 |
| ·数据二次处理 | 第48-49页 |
| ·归一化精度对样本的影响 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第7章 仿真实验 | 第52-58页 |
| ·学习样本和测试样本 | 第52-53页 |
| ·实验结果及其分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |