基于改进RBF神经网络的入侵检测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·课题研究目标 | 第11-12页 |
| ·课题研究内容及论文结构 | 第12-13页 |
| 第2章 相关理论知识与技术 | 第13-23页 |
| ·入侵检测技术 | 第13-17页 |
| ·入侵检测的概念 | 第13-14页 |
| ·入侵检测研究现状 | 第14页 |
| ·入侵检测分类 | 第14-16页 |
| ·入侵检测面临的主要问题 | 第16页 |
| ·入侵检测的发展趋势 | 第16-17页 |
| ·人工神经网络 | 第17-19页 |
| ·什么是神经网络 | 第17页 |
| ·神经网络的基本组成 | 第17-18页 |
| ·人工神经网络拓扑结构分类 | 第18-19页 |
| ·神经元的连接 | 第19页 |
| ·RBF神经网络 | 第19-21页 |
| ·RBF神经网络拓扑结构 | 第19-20页 |
| ·RBF神经网络算法 | 第20-21页 |
| ·RBF神经网络算法缺陷 | 第21页 |
| ·人工神经网络在入侵检测中的应用 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于改进RBF神经网络的入侵检测模型 | 第23-36页 |
| ·神经网络入侵检测模型 | 第23-25页 |
| ·通用入侵检测框架 | 第23-24页 |
| ·基于神经网络的入侵检测模型 | 第24-25页 |
| ·基于性能的特征选择 | 第25-26页 |
| ·基于熵的模糊聚类 | 第26-34页 |
| ·模糊聚类算法 | 第26-28页 |
| ·改进的模糊聚类算法 | 第28-31页 |
| ·基于熵的模糊聚类算法实验结果 | 第31-34页 |
| ·改进的神经网络入侵检测模型 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 实验结果及分析 | 第36-43页 |
| ·数据源的选取 | 第36-38页 |
| ·实验结果及分析 | 第38-42页 |
| ·算法对比实验 | 第39-40页 |
| ·检测模型对比实验 | 第40-42页 |
| ·本章小节 | 第42-43页 |
| 第5章 总结与展望 | 第43-44页 |
| ·本文总结 | 第43页 |
| ·下一步工作 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间科研及发表论文情况 | 第48-49页 |
| 致谢 | 第49页 |
