| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-14页 |
| 1.1.1 网络安全发展及挑战 | 第10-11页 |
| 1.1.2 入侵检测必要性 | 第11-12页 |
| 1.1.3 入侵检测研究热点 | 第12-14页 |
| 1.2 本文的主要工作 | 第14页 |
| 1.3 论文结构 | 第14-16页 |
| 第二章 相关关键技术研究 | 第16-31页 |
| 2.1 入侵检测 | 第16-21页 |
| 2.1.1 入侵检测的基本概念 | 第16页 |
| 2.1.2 入侵检测分类 | 第16-18页 |
| 2.1.3 主流入侵检测技术介绍 | 第18-21页 |
| 2.2 神经网络 | 第21-27页 |
| 2.2.1 概述 | 第21-23页 |
| 2.2.2 人工神经元 | 第23-24页 |
| 2.2.3 反向传播神经网络 | 第24-27页 |
| 2.3 粒子群优化算法在BP神经网络中的应用 | 第27-30页 |
| 2.3.1 粒子群优化算法的基本定义 | 第27-28页 |
| 2.3.2 粒子群优化算法步骤 | 第28-30页 |
| 2.3.3 粒子群优化算法特点 | 第30页 |
| 2.3.4 PSO算法在BP神经网络中的应用 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 入侵检测数据集处理 | 第31-50页 |
| 3.1 数据集简介 | 第31-33页 |
| 3.1.1 数据集来源 | 第31页 |
| 3.1.2 数据集内容分析 | 第31-32页 |
| 3.1.3 数据处理过程 | 第32-33页 |
| 3.2 实验评估参数指标 | 第33-34页 |
| 3.3 数据归一化处理研究与设计 | 第34-38页 |
| 3.3.1 特征集分类研究 | 第34-35页 |
| 3.3.2 归一化处理实验设计与实现 | 第35-38页 |
| 3.3.3 实验实现核心代码 | 第38页 |
| 3.4 特征值选取的研究与设计 | 第38-49页 |
| 3.4.1 特征值选取研究 | 第38-39页 |
| 3.4.2 特征值选取集合简介 | 第39-42页 |
| 3.4.3 实验设计 | 第42-43页 |
| 3.4.4 实验实现 | 第43-46页 |
| 3.4.5 实验结果及分析 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 改进PSO-BP算法及IDS模型设计 | 第50-64页 |
| 4.1 改进PSO的BP算法 | 第50-52页 |
| 4.1.1 改进背景 | 第50页 |
| 4.1.2 PSO算法改进描述 | 第50-52页 |
| 4.2 改进PSO的BP算法的入侵检测实现 | 第52-59页 |
| 4.2.1 实验设计 | 第52-54页 |
| 4.2.2 实验实现函数说明 | 第54-55页 |
| 4.2.3 实验实现数据 | 第55-57页 |
| 4.2.4 实验结果及分析 | 第57-59页 |
| 4.3 基于改进PSO的BP神经网络的入侵检测模型设计 | 第59-63页 |
| 4.3.1 入侵检测模型设计 | 第59-61页 |
| 4.3.2 实验设计 | 第61-62页 |
| 4.3.3 实验结果及分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文总结 | 第64页 |
| 5.2 今后工作及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |