堆叠式降噪自编码器深度网络的入侵检测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究的背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.3 论文的主要研究内容 | 第10-11页 |
| 1.4 论文结构 | 第11页 |
| 1.5 论文的特色 | 第11-12页 |
| 第二章 论文的总体思路及相关知识 | 第12-20页 |
| 2.1 论文研究的总体思路 | 第12页 |
| 2.2 拟解决的关键问题 | 第12页 |
| 2.3 入侵检测概述 | 第12-18页 |
| 2.4 深度学习理论 | 第18-20页 |
| 第三章 堆叠式降噪自编码器深度网络的入侵检测 | 第20-36页 |
| 3.1 问题的提出 | 第20页 |
| 3.2 堆叠式降噪自编码器深度网络 | 第20-25页 |
| 3.2.1 自编码器 | 第21-23页 |
| 3.2.2 激活函数 | 第23-24页 |
| 3.2.3 堆叠式降噪自编码器深度网络的基本结构 | 第24-25页 |
| 3.3 SDA-DNN 的训练方法 | 第25-30页 |
| 3.3.1 批量梯度下降 | 第25-26页 |
| 3.3.2 后向传播算法 | 第26-27页 |
| 3.3.3 正则化 | 第27-29页 |
| 3.3.4 堆叠式降噪自编码器深度网络训练过程 | 第29-30页 |
| 3.4 堆叠式降噪自编码器深度网络的入侵检测模型 | 第30-35页 |
| 3.4.1 特征数据库 | 第31-32页 |
| 3.4.2 事件产生器 | 第32页 |
| 3.4.3 SDA-DNN 入侵检测模型 | 第32-34页 |
| 3.4.4 事件数据库 | 第34-35页 |
| 3.4.5 响应单元 | 第35页 |
| 3.5 入侵检测方法的评价标准 | 第35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 SDA-DNN入侵检测模型实验分析 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 实验数据集与预处理 | 第36-38页 |
| 4.2.1 NSL-KDD数据集 | 第37-38页 |
| 4.2.2 数据预处理 | 第38页 |
| 4.3 实验的软硬件环境 | 第38页 |
| 4.4 实验分析 | 第38-47页 |
| 4.4.1 SDA-DNN影响因素 | 第38-47页 |
| 4.4.2 实验结果对比 | 第47页 |
| 4.5 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 在学期间的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |
| 附录 | 第54-60页 |
| 插图索引 | 第60-61页 |
| 表格索引 | 第61页 |
