基于遗传算法和神经网络的入侵检测技术在TDCS网络中的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10页 |
| ·网络安全技术的国内外研究状况 | 第10-12页 |
| ·TDCS的安全维护与管理 | 第12-15页 |
| ·TDCS设备的维护与管理 | 第13-14页 |
| ·TDCS系统的维护与管理 | 第14页 |
| ·TDCS网络体系的维护与管理 | 第14-15页 |
| ·论文的主要工作 | 第15-16页 |
| 2 入侵检测系统 | 第16-29页 |
| ·入侵行为 | 第16-19页 |
| ·入侵的定义 | 第16页 |
| ·入侵的手段 | 第16-17页 |
| ·入侵的过程 | 第17-19页 |
| ·入侵检测系统概述 | 第19-23页 |
| ·入侵检测及入侵检测系统 | 第19页 |
| ·入侵检测的工作过程 | 第19-20页 |
| ·入侵检测系统功能的构成 | 第20页 |
| ·入侵检测系统的分类 | 第20-23页 |
| ·入侵检测技术 | 第23-26页 |
| ·异常检测 | 第23-24页 |
| ·误用检测 | 第24-26页 |
| ·入侵检测系统在TDCS网络中的应用 | 第26页 |
| ·入侵检测系统的作用 | 第26页 |
| ·入侵检测与防火墙的比较 | 第26页 |
| ·入侵检测系统的开发成果与发展 | 第26-29页 |
| ·入侵检测系统的开发成果 | 第26-27页 |
| ·入侵检测系统的发展方向 | 第27-29页 |
| 3 构造TDCS网络中的入侵检测模型 | 第29-40页 |
| ·传统入侵检测模型 | 第29-30页 |
| ·Denning模型 | 第29页 |
| ·IDES模型 | 第29-30页 |
| ·CIDF模型 | 第30页 |
| ·TDCS网络中入侵检测模型的体系结构 | 第30-34页 |
| ·数据收集模块 | 第31-32页 |
| ·数据预处理模块 | 第32-33页 |
| ·入侵分析模块 | 第33页 |
| ·入侵响应模块 | 第33-34页 |
| ·TDCS网络中的入侵检测各模块的具体设计 | 第34-40页 |
| ·基于Winpcap的数据捕获 | 第34-36页 |
| ·数据的归一化处理 | 第36-37页 |
| ·入侵特征提取 | 第37-38页 |
| ·基于异常检测和误用检测相结合的入侵分析 | 第38-40页 |
| 4 TDCS网络中检测引擎的算法研究 | 第40-57页 |
| ·遗传算法理论 | 第40-47页 |
| ·遗传算法的工作流程 | 第41-42页 |
| ·遗传算法的构成要素 | 第42页 |
| ·遗传算法的实现技术 | 第42-46页 |
| ·遗传算法的特点 | 第46页 |
| ·遗传算法的应用 | 第46-47页 |
| ·人工神经网络理论 | 第47-52页 |
| ·人工神经网络的构成 | 第47-49页 |
| ·人工神经网络的学习 | 第49-51页 |
| ·神经网络的特点 | 第51-52页 |
| ·神经网络的应用 | 第52页 |
| ·TDCS网络中检测引擎的设计 | 第52-57页 |
| ·神经网络设计 | 第52-55页 |
| ·误用检测引擎的算法设计 | 第55-57页 |
| 5 仿真实验及结果分析 | 第57-63页 |
| ·实验准备 | 第57-58页 |
| ·选取数据集 | 第57页 |
| ·数据提取 | 第57-58页 |
| ·仿真实验 | 第58-62页 |
| ·神经网络结构的验证 | 第58-60页 |
| ·遗传算法的验证 | 第60-61页 |
| ·对系统进行仿真测试 | 第61-62页 |
| ·结果分析 | 第62-63页 |
| 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 攻读学位期间的研究成果 | 第67页 |
