| 摘要 | 第1-13页 |
| Abstract | 第13-17页 |
| 符号说明 | 第17-19页 |
| 缩略语简表 | 第19-21页 |
| 第一章 绪论 | 第21-35页 |
| ·研究课题的背景和意义 | 第21-22页 |
| ·基于神经网络的入侵检测技术研究现状 | 第22-31页 |
| ·神经网络综述 | 第22-24页 |
| ·基于神经网络入侵检测相关研究问题的研究现状 | 第24-31页 |
| ·主要研究内容 | 第31-33页 |
| ·论文组织结构 | 第33-35页 |
| 第二章 基于多层DTCNN和改进SCCNN的完全分布式协同入侵检测系统 | 第35-62页 |
| ·概述 | 第35-37页 |
| ·相关工作 | 第37-38页 |
| ·设计基于多层DTCNN的本地节点入侵检测器 | 第38-47页 |
| ·粒子群算法 | 第38-40页 |
| ·基于多层DTCNN的本地节点检测器 | 第40-45页 |
| ·基于能量约束PSO优化DTCNN模板参数 | 第45-47页 |
| ·设计基于改进SCCNN的全局入侵检测器 | 第47-54页 |
| ·基于改进SCCNN的全局检测器 | 第47-51页 |
| ·基于线性矩阵不等式设计模板参数 | 第51-54页 |
| ·仿真实验和结果分析 | 第54-60页 |
| ·本地节点检测模型参数求解算法比较 | 第55-57页 |
| ·本地节点检测模型性能分析 | 第57-58页 |
| ·全局检测模型参数求解实验 | 第58-59页 |
| ·全局检测模型性能分析 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第三章 基于神经网络改进时序分析方法的入侵预测方法 | 第62-86页 |
| ·概述 | 第62-63页 |
| ·相关工作 | 第63-64页 |
| ·基于灰色神经网络改进ARIMA网络入侵预测方法 | 第64-71页 |
| ·ARIMA模型 | 第64-66页 |
| ·基于GNNM-ARIMA的网络入侵预测算法 | 第66-71页 |
| ·基于改进回声状态网络的网络入侵预测方法 | 第71-78页 |
| ·回声状态网络模型 | 第71-73页 |
| ·基于改进最小复杂度ESN的预测模型 | 第73-78页 |
| ·仿真实验与结果分析 | 第78-85页 |
| ·本章小结 | 第85-86页 |
| 第四章 基于改进GHSOM的云网络入侵检测系统 | 第86-105页 |
| ·概述 | 第86-88页 |
| ·相关工作 | 第88-89页 |
| ·基于改进GHSOM的云网络入侵检测系统 | 第89-99页 |
| ·GHSOM模型简介 | 第89-91页 |
| ·基于PCA算法的MapReduce数据降维 | 第91-95页 |
| ·基于改进GHSOM的NCIDS检测算法 | 第95-99页 |
| ·仿真实验和结果分析 | 第99-104页 |
| ·本章小结 | 第104-105页 |
| 第五章 基于改进细胞神经网络的虚拟机迁移调度监控 | 第105-125页 |
| ·概述 | 第105-106页 |
| ·相关工作 | 第106-108页 |
| ·基于改进CNN的虚拟机迁移调度监控机制 | 第108-118页 |
| ·问题描述 | 第108-109页 |
| ·基于改进CNN的虚拟机迁移调度算法 | 第109-113页 |
| ·基于BSPSO算法设计改进CNN模板参数 | 第113-118页 |
| ·仿真实验与结果分析 | 第118-124页 |
| ·基于BSPSO的模板设计算法实验结果 | 第119-120页 |
| ·基于改进CNN的迁移调度算法仿真结果 | 第120-124页 |
| ·本章小结 | 第124-125页 |
| 第六章 总结与展望 | 第125-129页 |
| ·全文总结 | 第125-127页 |
| ·工作展望 | 第127-129页 |
| 参考文献 | 第129-143页 |
| 致谢 | 第143-145页 |
| 攻读学位期间发表的学术论文 | 第145-146页 |
| 附件 | 第146-166页 |
| 学位论文评阅及答辩情况表 | 第166页 |