首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于改进的遗传神经网络入侵检测系统的应用研究

中文摘要第1-4页
英文摘要第4-10页
1 绪论第10-17页
   ·网络安全现状第11-12页
   ·PPDR 模型第12页
   ·安全威胁第12-13页
   ·网络安全技术综述第13-14页
     ·加密技术第13页
     ·用户身份认证第13页
     ·安全协议第13-14页
     ·防火墙技术第14页
     ·入侵检测技术第14页
   ·常见的网络攻击第14-15页
     ·UDP 洪水攻击第15页
     ·Teardrop 攻击第15页
     ·SYN-flood 洪水攻击第15页
     ·ping of death 攻击第15页
     ·CGI 攻击第15页
     ·畸形消息攻击第15页
   ·课题研究的主要内容第15-16页
   ·小结第16-17页
2 入侵检测技术第17-23页
   ·入侵检测概念及其分类第17-18页
     ·概念及原理第17页
     ·入侵检测系统的分类第17-18页
   ·入侵检测常用方法第18-19页
   ·入侵检测系统的通用模型第19-20页
   ·入侵检测系统的组成第20-21页
   ·入侵检测的发展方向第21-22页
     ·分布式入侵检测第21页
     ·智能化入侵检测第21页
     ·全面的安全防御方案第21-22页
     ·协作式入侵检测第22页
     ·建立入侵检测评价体系第22页
   ·小结第22-23页
3 神经网络概述第23-35页
   ·神经网络相关概念第23-27页
     ·基本概念第23页
     ·基本原理第23-27页
   ·神经网络的发展历史及典型的神经网络类型第27-29页
   ·神经网络的特点和应用范围第29-31页
     ·神经网络的特点第29-30页
     ·神经网络的优缺点第30-31页
     ·目前神经网络的主要应用范围第31页
   ·神经网络的主要学习方法第31-32页
     ·有监督的学习第31页
     ·增强学习第31页
     ·无监督的学习第31-32页
   ·神经网络应用于入侵检测第32-34页
     ·神经网络较传统方法的优势第32-33页
     ·神经网络在IDS 中应用的相关问题第33-34页
   ·小结第34-35页
4 遗传神经网络的算法研究第35-48页
   ·BP 算法第35-36页
   ·BP 神经网络评价中若干问题的讨论第36-38页
     ·隐含层单元数的选择第36-37页
     ·BP 算法的缺点第37-38页
   ·遗传算法第38-47页
     ·遗传算法起源第38-40页
     ·遗传算法的思想第40-45页
     ·遗传算法的特点第45页
     ·遗传算法的改进第45-46页
     ·利用遗传算法训练神经网络第46-47页
   ·小结第47-48页
5 构造基于GABP 的入侵检测模型第48-59页
   ·获取网络数据模块第48-50页
   ·数据预处理模块第50-53页
   ·PCA 特征提取模块第53-54页
     ·数据降维方式介绍第53页
     ·主成分分析法简介第53-54页
   ·改进的遗传神经网络入侵检测模块第54-58页
     ·遗传算法的改进第54-56页
     ·改进GABP 算法实现第56-58页
   ·小结第58-59页
6 实验结果与分析第59-68页
   ·实验准备第59页
     ·实验环境第59页
     ·实验目的第59页
     ·实验数据第59页
   ·实验步骤第59-60页
     ·数据预处理第59-60页
     ·参数的选择第60页
     ·分析实验结果第60页
   ·实验结果第60-63页
   ·部分matlab 实验源代码第63-67页
   ·实验结论第67-68页
7 总结与展望第68-69页
   ·总结第68页
   ·展望第68-69页
致谢第69-70页
参考文献第70-73页
 附录 作者在攻读学位期间发表的论文目录第73页

论文共73页,点击 下载论文
上一篇:基于IPv6的校园网络模型的研究
下一篇:基于使用控制和上下文的模糊访问控制模型研究