基于神经网络的网络入侵检测模型研究
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 网络安全现状 | 第11-12页 |
| 1.2 常见的网络安全技术 | 第12-14页 |
| 1.2.1 防火墙 | 第12页 |
| 1.2.2 加密技术 | 第12-13页 |
| 1.2.3 身份验证与数字签名 | 第13页 |
| 1.2.4 访问控制技术 | 第13页 |
| 1.2.5 反病毒技术 | 第13-14页 |
| 1.3 课题研究的目的与意义 | 第14页 |
| 1.4 论文的结构与主要内容 | 第14-16页 |
| 第二章 入侵检测技术 | 第16-26页 |
| 2.1 入侵 | 第16-19页 |
| 2.1.1 安全概念 | 第16页 |
| 2.1.2 入侵的概念 | 第16页 |
| 2.1.3 入侵的一般过程 | 第16-18页 |
| 2.1.4 常见的攻击原理与特征 | 第18-19页 |
| 2.2 入侵检测的定义及分类 | 第19-20页 |
| 2.3 入侵检测技术的研究现状 | 第20-25页 |
| 2.3.1 常用 IDS技术 | 第20-22页 |
| 2.3.2 CIDF通用入侵检测模型 | 第22-23页 |
| 2.3.3 入侵检测系统的现状与不足 | 第23-25页 |
| 2.4 IDS主要发展方向 | 第25-26页 |
| 第三章 神经网络技术应用于入侵检测的理论分析 | 第26-34页 |
| 3.1 问题的提出 | 第26-27页 |
| 3.2 神经网络技术在入侵检测中的研究现状 | 第27页 |
| 3.3 人工神经网络技术 | 第27-29页 |
| 3.4 采用的神经网络模型与算法 | 第29-34页 |
| 3.4.1 SOFM神经网络与 SOFM算法 | 第29-30页 |
| 3.4.2 BP神经网络与 BP算法 | 第30-34页 |
| 第四章 基于神经网络的网络入侵检测模型的设计 | 第34-47页 |
| 4.1 系统的总体定位 | 第34-35页 |
| 4.2 入侵检测系统结构框架图 | 第35-37页 |
| 4.3 基于神经网络的异常检测模型 | 第37-38页 |
| 4.4 异常检测模型主要模块的设计 | 第38-47页 |
| 4.4.1 数据预处理模块及数据记录 | 第38-39页 |
| 4.4.2 使用滑动窗口 | 第39-40页 |
| 4.4.3 SOFM网络的实现 | 第40-46页 |
| 4.3.4 BP网络实现 | 第46-47页 |
| 第五章 仿真实验与分析 | 第47-57页 |
| 5.1 数据来源 | 第47-49页 |
| 5.1.1 DOS攻击样本 | 第47-48页 |
| 5.1.2 探测攻击样本 | 第48-49页 |
| 5.2 系统建模 | 第49-52页 |
| 5.2.1 数据预处理子模块 | 第49页 |
| 5.2.2 SOFM子模块 | 第49-51页 |
| 5.2.2 BP子模块 | 第51-52页 |
| 5.3 实验步骤 | 第52-54页 |
| 5.3.1 训练模型 | 第52-53页 |
| 5.3.2 测试模型 | 第53-54页 |
| 5.4 实验结果 | 第54页 |
| 5.5 结果分析 | 第54-57页 |
| 5.5.1 攻击检测结果分析 | 第55-56页 |
| 5.5.2 △t对模型的影响 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 论文总结 | 第57-58页 |
| 6.2 进一步的工作 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 学位论文评阅及答辩情况表 | 第66页 |
