基于GANN的入侵检测在CIPS网络中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外信息安全研究现状与发展趋势 | 第10-12页 |
| ·CIPS 系统 | 第12-16页 |
| ·CIPS 网络结构 | 第12-14页 |
| ·CIPS 网络安全现状和存在问题 | 第14-15页 |
| ·CIPS 网络的维护方案与管理 | 第15-16页 |
| ·论文的主要研究内容 | 第16-17页 |
| 2 入侵检测技术概述 | 第17-26页 |
| ·入侵概述 | 第17-19页 |
| ·入侵概念 | 第17页 |
| ·入侵方式 | 第17-18页 |
| ·入侵过程 | 第18-19页 |
| ·入侵检测技术 | 第19页 |
| ·入侵检测系统的组成 | 第19-20页 |
| ·入侵检测系统的分类 | 第20-24页 |
| ·根据 IDS 数据源的分类 | 第21-23页 |
| ·根据 IDS 分析技术的分类 | 第23-24页 |
| ·根据其他分类 | 第24页 |
| ·入侵检测系统评估 | 第24-25页 |
| ·入侵检测系统在 CIPS 网络中的应用 | 第25页 |
| ·入侵检测技术的发展与趋势 | 第25-26页 |
| 3 神经网络和遗传算法 | 第26-39页 |
| ·人工神经网络 | 第26-34页 |
| ·人工神经网络的发展史 | 第26-27页 |
| ·人工神经网络的特性 | 第27-31页 |
| ·BP 网络与 BP 算法 | 第31-33页 |
| ·BP 算法的改进与优化 | 第33-34页 |
| ·遗传算法 | 第34-37页 |
| ·遗传算法概述 | 第34页 |
| ·遗传算法操作 | 第34-36页 |
| ·遗传算法工作流程 | 第36-37页 |
| ·CIPS 网络中入侵检测算法的设计 | 第37-39页 |
| ·BP 网络设计 | 第37页 |
| ·遗传算法优化 BP 神经网络 | 第37-39页 |
| 4 CIPS 网络中 IDS 模型设计 | 第39-45页 |
| ·IDS 的结构模型 | 第39-40页 |
| ·IDES 模型 | 第39页 |
| ·CIDF 模型 | 第39-40页 |
| ·CIPS 网络中 IDS 模型 | 第40-45页 |
| ·获取数据信息模块 | 第40-41页 |
| ·数据预处理模块 | 第41-43页 |
| ·基于 GANN 的入侵分析模块 | 第43-44页 |
| ·入侵报警模块 | 第44-45页 |
| 5 仿真及分析 | 第45-54页 |
| ·实验准备 | 第45页 |
| ·实验环境 | 第45页 |
| ·数据来源 | 第45页 |
| ·仿真过程 | 第45-53页 |
| ·实验参数的设定 | 第45-49页 |
| ·基于 BP 神经网络的测试与结果 | 第49-51页 |
| ·基于 GANN 的仿真测试与结果 | 第51-53页 |
| ·仿真分析 | 第53-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读学位期间的研究成果 | 第58页 |
