智能入侵检测系统的研究及其应用
| 中文摘要 | 第1页 |
| ABSTRACT | 第3-7页 |
| 第一章 绪论 | 第7-9页 |
| ·论文的选题背景及意义 | 第7-8页 |
| ·网络安全 | 第7页 |
| ·入侵检测系统 | 第7-8页 |
| ·本文的主要工作 | 第8页 |
| ·小结 | 第8-9页 |
| 第二章 入侵检测系统概述 | 第9-17页 |
| ·什么是入侵检测系统 | 第9-13页 |
| ·入侵检测的重要性及其发展历史 | 第9-10页 |
| ·入侵检测的概念、通用模型及框架 | 第10-12页 |
| ·入侵检测系统的分类 | 第12-13页 |
| ·入侵检测技术研究 | 第13-15页 |
| ·入侵检测系统的主要发展方向 | 第15-16页 |
| ·小结 | 第16-17页 |
| 第三章 基于神经网络的智能入侵检测系统 | 第17-26页 |
| ·神经网络概述 | 第17-18页 |
| ·神经元模型 | 第18-20页 |
| ·神经网络学习规则 | 第20-21页 |
| ·前馈人工神经网络与BP学习算法 | 第21-24页 |
| ·前馈人工神经网络 | 第21-22页 |
| ·BP学习算法 | 第22-23页 |
| ·网络误差与权值调整 | 第22-23页 |
| ·BP学习算法权值调整计算公式 | 第23页 |
| ·前馈人工神经网络的特点 | 第23-24页 |
| ·基于神经网络的入侵检测模型 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第四章 智能入侵检测系统的总体设计 | 第26-30页 |
| ·R_NNIDS系统的可行性 | 第26页 |
| ·R_NNIDS系统的设计目标 | 第26-27页 |
| ·R_NNIDS系统的总体结构设计 | 第27-28页 |
| ·R_NNIDS的主要技术特点 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第五章 智能入侵检测系统的设计与实现 | 第30-57页 |
| ·数据采集模块的设计与实现 | 第30-35页 |
| ·局部网络工作原理 | 第30页 |
| ·Windows下网络监听的实现原理 | 第30-31页 |
| ·Winpcap的体系结构 | 第31-32页 |
| ·程序中采用的主要函数 | 第32-34页 |
| ·模块具体设计 | 第34-35页 |
| ·预处理模块设计与实现 | 第35-40页 |
| ·预处理模块支持的协议 | 第35-38页 |
| ·模块具体设计 | 第38-40页 |
| ·二进制转换模块的设计与实现 | 第40-45页 |
| ·数据包编码模块 | 第40-41页 |
| ·入侵规则语句的编码 | 第41-44页 |
| ·二进制编码模块的设计 | 第44-45页 |
| ·综合分类器模块设计与实现 | 第45-54页 |
| ·分类器结构的初始设计 | 第45-46页 |
| ·基于粗糙集理论的结构优化 | 第46-48页 |
| ·粗糙集理论 | 第46-47页 |
| ·基于区分矩阵的属性约简算法 | 第47页 |
| ·基础分类器的结构优化 | 第47-48页 |
| ·分类器的学习 | 第48-49页 |
| ·模块的实现中使用的Matlab函数 | 第49-51页 |
| ·建立BP神经网络使用的函数 | 第49-50页 |
| ·在VC++中调用Matlab引擎使用的函数 | 第50-51页 |
| ·模块的具体设计 | 第51-54页 |
| ·粗糙集约简算法 | 第51-52页 |
| ·IP基础分类器训练算法 | 第52-53页 |
| ·主要的接口函数和成员变量 | 第53-54页 |
| ·响应模块的设计与实现 | 第54-56页 |
| ·常用响应技术 | 第54-55页 |
| ·系统中的响应措施 | 第55页 |
| ·模块的具体设计 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第六章 智能入侵检测系统的性能测试 | 第57-60页 |
| ·性能测试环境 | 第57页 |
| ·分类器优化和学习 | 第57-58页 |
| ·入侵检测系统的性能测试 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第七章 结束语 | 第60-62页 |
| ·本文做出的主要工作 | 第60页 |
| ·进一步的工作 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 在学期间发表论文和参加科研情况 | 第66页 |
