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 |