基于RBF神经网络的入侵检测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-14页 |
| ·网络安全概述 | 第9-10页 |
| ·安全的含义 | 第9页 |
| ·网络安全的现状 | 第9-10页 |
| ·入侵检测技术在网络安全中的重要性 | 第10-12页 |
| ·神经网络在入侵检测中的优势 | 第12页 |
| ·论文研究的主要内容 | 第12-14页 |
| 2. 入侵检测技术 | 第14-29页 |
| ·入侵检测技术的研究背景和意义 | 第14-15页 |
| ·入侵检测系统的发展及现状 | 第15-17页 |
| ·入侵的原理和方法 | 第17-20页 |
| ·传统的入侵 | 第17-18页 |
| ·近年来出现的新型入侵 | 第18-19页 |
| ·典型的入侵过程 | 第19-20页 |
| ·入侵检测系统的分类 | 第20-26页 |
| ·根据其采用的技术分类 | 第21-22页 |
| ·根据其监测的对象分类 | 第22-24页 |
| ·根据工作方式分类 | 第24页 |
| ·根据体系结构分类 | 第24-25页 |
| ·根据其他一些特征分类 | 第25-26页 |
| ·入侵检测系统面临的问题和发展趋势 | 第26-29页 |
| ·入侵检测系统面临的问题 | 第26-27页 |
| ·入侵检测系统的发展趋势 | 第27-29页 |
| 3. 人工神经网络 | 第29-40页 |
| ·人工神经网络概述 | 第29-33页 |
| ·神经网络简介 | 第29-30页 |
| ·神经网络的发展 | 第30-32页 |
| ·神经元和人工神经网络的基本特点 | 第32-33页 |
| ·人工神经网络的学习方式和学习规则 | 第33-35页 |
| ·人工神经网络的学习方式 | 第33-35页 |
| ·人工神经网络的学习规则 | 第35页 |
| ·人工神经网络的互连模式 | 第35-37页 |
| ·径向基函数神经网络 | 第37-40页 |
| 4. 基于RBF神经网络的IDS模型研究 | 第40-51页 |
| ·RBF神经网络用于IDS的优势 | 第40-41页 |
| ·通用入侵检测框架（CIDF） | 第41-42页 |
| ·基于RBF神经网络的入侵检测模型 | 第42-47页 |
| ·参考的入侵检测模型简介 | 第42-44页 |
| ·改进后的入侵检测模型 | 第44-47页 |
| ·入侵检测系统的功能和性能指标 | 第47-48页 |
| ·入侵检测系统的功能 | 第47页 |
| ·入侵检测系统的主要性能指标 | 第47-48页 |
| ·IDS的部署原则 | 第48-51页 |
| 5. 实验过程及结果分析 | 第51-69页 |
| ·实验环境介绍 | 第51-53页 |
| ·MATLAB简介 | 第51页 |
| ·MATLAB的功能 | 第51-52页 |
| ·MATLAB的语言特点 | 第52-53页 |
| ·实验数据说明 | 第53-59页 |
| ·数据源的选取 | 第53-54页 |
| ·数据的属性特征 | 第54-57页 |
| ·数据预处理及实验数据的特征筛选 | 第57-59页 |
| ·实验过程 | 第59-69页 |
| ·RBF网络设计 | 第60-61页 |
| ·误用检测RBF模块训练与测试 | 第61-64页 |
| ·异常检测模块RBF模块训练与测试 | 第64-65页 |
| ·本模型总的检测结果 | 第65-67页 |
| ·传统的入侵检测模型 | 第67-69页 |
| 6. 结论 | 第69-70页 |
| ·本论文总结 | 第69页 |
| ·下一步的工作 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第73-74页 |
| 致谢 | 第74页 |
