| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·网络安全研究现状及课题研究意义 | 第11-12页 |
| ·入侵检测简介 | 第12-16页 |
| ·入侵检测原理 | 第13页 |
| ·入侵检测分类 | 第13-15页 |
| ·入侵检测方法 | 第15-16页 |
| ·入侵检测面临的问题及发展趋势 | 第16页 |
| ·分布式入侵检测技术及研究现状 | 第16-18页 |
| ·本文的研究内容 | 第18页 |
| ·本文的组织结构 | 第18-19页 |
| 第2章 分布式初级学习算法 | 第19-27页 |
| ·SOM算法 | 第19-21页 |
| ·SOM现有邻域函数 | 第21-23页 |
| ·DSOM算法 | 第23-26页 |
| ·确定邻域函数 | 第23-24页 |
| ·算法流程 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 分布式融合学习算法 | 第27-36页 |
| ·模块化神经网络及融合学习机制 | 第27-28页 |
| ·SOM分布式融合学习 | 第28-31页 |
| ·SOM融合学习算法 | 第28-30页 |
| ·SOM-DSOM分布式学习模型 | 第30-31页 |
| ·基于FCM的分布式融合学习 | 第31-35页 |
| ·聚类分析基础 | 第31-32页 |
| ·FCM算法 | 第32-33页 |
| ·FCM融合学习算法 | 第33-34页 |
| ·FCM-DSOM分布式学习模型 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于SOM的分布式学习算法在入侵检测中的应用 | 第36-49页 |
| ·KDD数据集 | 第36-37页 |
| ·数据预处理 | 第37-38页 |
| ·测试指标定义 | 第38-39页 |
| ·DSOM算法 | 第39-42页 |
| ·仿真实验 | 第39-41页 |
| ·结果分析 | 第41-42页 |
| ·SOM-DSOM分布式学习模型 | 第42-45页 |
| ·仿真实验 | 第42-44页 |
| ·结果分析 | 第44-45页 |
| ·FCM-DSOM分布式学习模型 | 第45-48页 |
| ·仿真实验 | 第45-47页 |
| ·结果分析 | 第47-48页 |
| ·与现有方法比较 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结和展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 作者简介及在学期间所取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |