BP神经网络在网络入侵检测系统中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 引言 | 第7-13页 |
| ·课题目的和意义 | 第7页 |
| ·国际国内研究情况和进展 | 第7-12页 |
| ·论文研究内容和组织结构 | 第12页 |
| ·本文的主要工作 | 第12-13页 |
| 2 网络嗅探器设计 | 第13-26页 |
| ·嗅探器原理 | 第13-17页 |
| ·集线器的工作原理 | 第13页 |
| ·网卡的工作原理 | 第13-14页 |
| ·局域网的工作原理 | 第14-15页 |
| ·TCP／IP数据包结构简介 | 第15-16页 |
| ·嗅探器的工作原理 | 第16-17页 |
| ·利用Winpcap实现嗅探器 | 第17-26页 |
| ·Winpcap的基本结构 | 第17-19页 |
| ·Winpcap的优势 | 第19页 |
| ·利用Winpcap开发网络监听程序的步骤 | 第19-20页 |
| ·利用Winpcap开发网络监听程序的具体实现 | 第20-26页 |
| 3 人工神经网络简介 | 第26-35页 |
| ·网络入侵检测系统简述 | 第26-28页 |
| ·网络入侵检测系统简述 | 第26-27页 |
| ·本文的网络入侵检测系统结构 | 第27-28页 |
| ·人工神经网络概述 | 第28-33页 |
| ·神经元模型的提出 | 第28-29页 |
| ·人工神经网络的工作原理 | 第29页 |
| ·人工神经网络的主要学习算法 | 第29-30页 |
| ·人工神经网络的特点 | 第30-31页 |
| ·几种常见的人工神经网络简介 | 第31-33页 |
| ·ANN应用于滥用检测的优劣 | 第33-35页 |
| ·ANN的优势 | 第33-34页 |
| ·ANN的劣势 | 第34-35页 |
| 4 BP学习算法及其改进 | 第35-45页 |
| ·前馈神经网络的结构和工作原理 | 第35页 |
| ·BP学习算法原理及主要问题 | 第35-45页 |
| ·BP学习算法原理 | 第35-37页 |
| ·BP学习算法及BP网络的主要问题 | 第37-38页 |
| ·几种BP学习算法的改进及其比较 | 第38-40页 |
| ·基于作用函数的BP算法改进 | 第40-45页 |
| 5 BP网络与入侵检测 | 第45-53页 |
| ·BP网络与入侵检测的结合 | 第45-50页 |
| ·系统结构 | 第45-46页 |
| ·神经网络结构 | 第46-47页 |
| ·数据抽象作为神经网络输入 | 第47-48页 |
| ·数据结构 | 第48页 |
| ·BP神经网络函数模块及流程 | 第48-50页 |
| ·神经网络的训练和学习 | 第50页 |
| ·实验结果 | 第50-53页 |
| 6 总结与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
