| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·课题研究背景 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第2章 网络攻击原理及入侵检测技术 | 第13-22页 |
| ·网络攻击类型 | 第13-16页 |
| ·DOS 攻击 | 第13-15页 |
| ·Probing 扫描攻击 | 第15页 |
| ·R2L 攻击 | 第15-16页 |
| ·U2R 攻击 | 第16页 |
| ·入侵检测技术及发展前景 | 第16-20页 |
| ·入侵检测 | 第16-17页 |
| ·入侵检测分类 | 第17-18页 |
| ·入侵检测系统评价 | 第18-19页 |
| ·入侵检测的发展前景 | 第19-20页 |
| ·现有入侵检测研究方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于 BP 神经网络的入侵检测算法研究及改进 | 第22-39页 |
| ·人工神经网络 | 第22-27页 |
| ·人工神经网络概念及发展 | 第22-23页 |
| ·人工神经网络模型 | 第23页 |
| ·BP 神经网络模型 | 第23-25页 |
| ·BP 神经网络训练算法 | 第25-27页 |
| ·BP 神经网络算法分析 | 第27-29页 |
| ·BP 算法改进 | 第29-38页 |
| ·粒子群优化算法原理 | 第29-30页 |
| ·PSO 算法改进 | 第30-33页 |
| ·改进后的 PSO 算法过程 | 第33页 |
| ·改进 PSO 算法性能测试和分析 | 第33-36页 |
| ·改进 PSO 算法结合 BP 神经网络 | 第36-37页 |
| ·改进型 PSO-BP 算法性能测试和分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于 PSO-BP 神经网络入侵检测系统设计 | 第39-54页 |
| ·BP 神经网络原型总体结构 | 第39-43页 |
| ·数据捕获模块 | 第40页 |
| ·数据预处理模块 | 第40-42页 |
| ·DOS 攻击特征 | 第40-41页 |
| ·Probing 攻击特征 | 第41页 |
| ·特征提取 | 第41-42页 |
| ·神经网络训练模块 | 第42-43页 |
| ·数据检测模块 | 第43页 |
| ·系统响应模块 | 第43页 |
| ·实验环境 | 第43-48页 |
| ·实验数据集 | 第43-45页 |
| ·实验数据预处理 | 第45-48页 |
| ·神经网络参数选取 | 第48-51页 |
| ·仿真结果分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 总结和展望 | 第54-56页 |
| ·本文工作的总结 | 第54页 |
| ·下一步的研究工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录 硕士阶段发表的学术论文 | 第61页 |