| 第一章 概述 | 第1-12页 |
| 1．1 网络安全现状 | 第7-8页 |
| 1．2 课题研究的意义 | 第8-10页 |
| 1．3 本文内容的安排 | 第10-12页 |
| 第二章 入侵检测系统简介 | 第12-21页 |
| 2．1 入侵检测系统的发展 | 第12-14页 |
| 2．2 入侵检测系统的组成 | 第14-17页 |
| 2．3 入侵检测系统分类 | 第17-19页 |
| 2．4 小结 | 第19-21页 |
| 第三章 基于程序行为的异常检测 | 第21-28页 |
| 3．1 对程序行为进行分析的优点 | 第21-23页 |
| 3．1．1 在特权程序层次上监控异常 | 第21-22页 |
| 3．1．2 分析系统调用的方法 | 第22-23页 |
| 3．2 TIDE方法与实验分析 | 第23-26页 |
| 3．2．1 tide方法 | 第23-25页 |
| 3．2．2 tide方法实验分析 | 第25-26页 |
| 3．3 小结 | 第26-28页 |
| 第四章 基于神经网络的异常检测技术 | 第28-41页 |
| 4．1 引言 | 第28-30页 |
| 4．1．1 神经网络基本知识 | 第28-29页 |
| 4．1．2 神经网络在入侵检测中的应用简介 | 第29-30页 |
| 4．2 基于BP神经网络的异常检测方法 | 第30-38页 |
| 4．2．1 BP算法 | 第30-32页 |
| 4．2．2 BP网络应用的主要思想 | 第32页 |
| 4．2．3 神经网络的两种应用方案 | 第32-38页 |
| 4．2．3．1 用BP网络分类的方案 | 第33-35页 |
| 4．2．3．2 用带反馈的BP网络进行预测的方案 | 第35-38页 |
| 4．3 实验及结果分析 | 第38-40页 |
| 4．4 小结 | 第40-41页 |
| 第五章 基于隐马尔可夫模型的异常检测技术 | 第41-52页 |
| 5．1 隐马尔可夫模型介绍 | 第41-43页 |
| 5．1．1 隐马尔可夫模型（HMM）简介 | 第41-43页 |
| 5．1．2 隐马尔可夫模型的三个基本问题 | 第43页 |
| 5．2 隐马尔可夫状态时延序列嵌入法（HMMTIDE） | 第43-48页 |
| 5．2．1 HMM模型的建立 | 第44-45页 |
| 5．2．2 HMM学习及状态序列的生成 | 第45-48页 |
| 5．3 实验结论 | 第48-49页 |
| 5．4 神经网络和隐马尔可夫模型的有机结合 | 第49-51页 |
| 5．5 小结 | 第51-52页 |
| 第六章 结束语 | 第52-56页 |
| 6．1 论文小结 | 第52-53页 |
| 6．2 入侵检测系统发展的趋势 | 第53-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |