| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·相关技术 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·研究内容 | 第10-11页 |
| 第2章 入侵检测技术 | 第11-17页 |
| ·什么是入侵检测 | 第11页 |
| ·入侵检测的分类 | 第11-12页 |
| ·按照信息源的分类 | 第11-12页 |
| ·按照检测方法的分类 | 第12页 |
| ·入侵检测的方法 | 第12-13页 |
| ·特征检测 | 第13页 |
| ·统计检测 | 第13页 |
| ·专家系统 | 第13页 |
| ·通用入侵检测系统构架 | 第13-14页 |
| ·入侵检测的发展 | 第14-15页 |
| ·入侵检测发展的方向 | 第14-15页 |
| ·先进的入侵检测方法 | 第15页 |
| ·本章小结 | 第15-17页 |
| 第3章 人工神经网络技术 | 第17-26页 |
| ·人工神经网络发展历史 | 第17-18页 |
| ·人工神经网络基础 | 第18-21页 |
| ·神经元模型 | 第18-19页 |
| ·网络结构 | 第19-20页 |
| ·学习过程 | 第20-21页 |
| ·RBF 神经网络 | 第21-24页 |
| ·RBF 神经网络结构 | 第21-22页 |
| ·RBF 神经网络的学习策略 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第4章 基于PSO-RBF 入侵检测系统的研究与设计 | 第26-42页 |
| ·系统设计思路 | 第26-28页 |
| ·系统总体结构 | 第28-29页 |
| ·系统层次结构 | 第29-30页 |
| ·网络数据包的获取 | 第30-36页 |
| ·KDD CUP99 数据集攻击分类 | 第30-31页 |
| ·KDD CUP99 数据记录特征介绍 | 第31-32页 |
| ·获取实时网络数据包的方法 | 第32-36页 |
| ·网络数据包的预处理 | 第36-38页 |
| ·KDD CUP99 特征选择 | 第36页 |
| ·KDD CUP99 的数值转换 | 第36-37页 |
| ·KDD CUP99 的归一化处理 | 第37-38页 |
| ·实时网络数据的预处理 | 第38页 |
| ·数据包的入侵检测 | 第38-42页 |
| ·KDD CUP99 数据入侵检测流程图 | 第38-39页 |
| ·KDD CUP99 数据入侵检测模块结构的确定 | 第39-40页 |
| ·KDD CUP99 数据入侵检测算法 | 第40-41页 |
| ·实时网络数据的入侵检测算法 | 第41-42页 |
| 第5章 基于PSO-RBF 入侵检测系统的实现 | 第42-48页 |
| ·实现环境 | 第42页 |
| ·系统训练和测试数据设置 | 第42-43页 |
| ·PSO－RBF 神经网络训练数据设置 | 第42页 |
| ·PSO－RBF 神经网络测试数据设置 | 第42-43页 |
| ·检测结果分析 | 第43-48页 |
| ·PSO－RBF 神经网络检测性能分析 | 第43-44页 |
| ·PSO－RBF 神经网络检测率与PSO 进化代数关系 | 第44-46页 |
| ·PSO－RBF 神经网络与RBF 神经网络检测性能比较 | 第46-48页 |
| 第6章 总结和展望 | 第48-49页 |
| ·总结 | 第48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录 | 第51-61页 |
| 详细摘要 | 第61-64页 |
