| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·论文的研究背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·主要研究内容 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 入侵检测技术概述 | 第17-27页 |
| ·入侵检测的概念 | 第17-19页 |
| ·入侵检测定义 | 第17页 |
| ·入侵检测通用模型 | 第17-19页 |
| ·入侵检测技术分类 | 第19-23页 |
| ·根据数据分析手段分类 | 第20-21页 |
| ·根据原始数据来源分类 | 第21-23页 |
| ·入侵检测系统的部署 | 第23-24页 |
| ·现有入侵检测系统体系结构的局限性 | 第24页 |
| ·入侵检测技术的发展趋势 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于BP神经网络的入侵检测技术 | 第27-62页 |
| ·神经网络与BP算法 | 第27-33页 |
| ·神经网络简介 | 第27-28页 |
| ·BP神经网络原理 | 第28-30页 |
| ·标准BP算法 | 第30-31页 |
| ·BP算法存在的缺陷 | 第31-33页 |
| ·BP算法的改进 | 第33-35页 |
| ·动量因子法 | 第33-34页 |
| ·自适应学习率法 | 第34-35页 |
| ·动量及自适应LR优化法 | 第35页 |
| ·BP神经网络在入侵检测中的应用 | 第35-46页 |
| ·入侵检测数据来源 | 第35-40页 |
| ·神经网络的设计 | 第40-45页 |
| ·传递函数 | 第45-46页 |
| ·神经网络的实现 | 第46-57页 |
| ·实验开发环境 | 第46-47页 |
| ·训练样本的选取及处理 | 第47-49页 |
| ·标准BP神经网络的仿真实验 | 第49-53页 |
| ·基于动量及自适应LR优化法BP神经网络的仿真实验 | 第53-55页 |
| ·网络参数的优化调整 | 第55-57页 |
| ·设计网络对未知攻击和分类攻击的识别能力 | 第57-60页 |
| ·对未知攻击的识别能力分析 | 第57-59页 |
| ·对分类攻击的识别能力 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第四章 入侵检测系统原型设计与实现 | 第62-77页 |
| ·入侵检测系统开发流程 | 第62页 |
| ·数据捕获模块的设计 | 第62-66页 |
| ·数据包解析模块的设计 | 第66-72页 |
| ·TCP/IP协议的分层结构及其报文格式 | 第66-69页 |
| ·数据包解析过程 | 第69页 |
| ·数据包解析程序的关键代码 | 第69-72页 |
| ·神经网络检测引擎的设计 | 第72页 |
| ·入侵响应模块的设计 | 第72页 |
| ·系统测试与分析 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 结论及展望 | 第77-79页 |
| ·结论 | 第77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第84页 |