| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 计算机网络安全及现状 | 第11-13页 |
| 1.1.1 计算机网络安全概述 | 第11-12页 |
| 1.1.2 计算机网络安全的现状 | 第12-13页 |
| 1.2 入侵检测技术研究背景及现状 | 第13-17页 |
| 1.2.1 入侵检测技术概述 | 第13-16页 |
| 1.2.2 BP神经网络对入侵检测的意义 | 第16-17页 |
| 1.3 本文研究的内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 BP神经网络研究 | 第19-27页 |
| 2.1 BP神经网络结构 | 第19-20页 |
| 2.2 BP神经网络算法思想 | 第20-24页 |
| 2.3 BP神经网络性能分析 | 第24-26页 |
| 2.3.1 BP神经网络的不足 | 第24-25页 |
| 2.3.2 BP神经网络算法的改进 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 PSO算法优化BP神经网络 | 第27-37页 |
| 3.1 PSO算法简介 | 第27-30页 |
| 3.1.1 PSO算法基本原理 | 第27-28页 |
| 3.1.2 PSO算法的数学模型 | 第28页 |
| 3.1.3 PSO算法的基本流程 | 第28-29页 |
| 3.1.4 PSO算法的特点 | 第29-30页 |
| 3.2 PSO算法优化BP神经网络 | 第30-33页 |
| 3.2.1 算法优化思路 | 第30-31页 |
| 3.2.2 PSO-BP神经网络的实现 | 第31-33页 |
| 3.3 PSO-BP算法的仿真测试 | 第33-35页 |
| 3.3.1 仿真工具Matlab | 第33页 |
| 3.3.2 仿真结果 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于PCA的PSO-BP神经网络算法设计 | 第37-53页 |
| 4.1 PCA算法简介 | 第37-42页 |
| 4.1.1 PCA算法原理 | 第37-39页 |
| 4.1.2 PCA算法的数学模型 | 第39-40页 |
| 4.1.3 PCA算法的流程 | 第40-42页 |
| 4.2 基于PCA和PSO-BP算法模型设计 | 第42-45页 |
| 4.3 PCA-PSO-BP神经网络算法流程 | 第45页 |
| 4.4 PCA-PSO-BP神经网络算法仿真测试 | 第45-52页 |
| 4.4.1 Matlab下的神经网络工具箱 | 第45-46页 |
| 4.4.2 PCA-PSO-BP神经网络仿真样本数据 | 第46-50页 |
| 4.4.3 PCA-PSO-BP神经网络仿真 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 PCA-PSO-BP神经网络在入侵检测系统中的应用 | 第53-73页 |
| 5.1 入侵检测系统 | 第53-59页 |
| 5.1.1 入侵检测系统的概述 | 第53-57页 |
| 5.1.2 入侵检测系统的总体设计 | 第57-59页 |
| 5.2 数据包捕获模块设计 | 第59-60页 |
| 5.3 协议解析模块设计 | 第60-61页 |
| 5.4 预处理模块设计 | 第61-62页 |
| 5.5 规则匹配模块设计 | 第62-63页 |
| 5.6 PCA-PSO-BP神经网络模块设计 | 第63-67页 |
| 5.6.1 PCA特征提取 | 第63-65页 |
| 5.6.2 PSO-BP神经网络结构设计 | 第65-67页 |
| 5.7 响应模块设计 | 第67页 |
| 5.8 系统仿真测试 | 第67-71页 |
| 5.9 本章小结 | 第71-73页 |
| 第6章 工作总结与展望 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 下一步工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间发表的论文 | 第81页 |