| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·入侵检测 | 第13-14页 |
| ·神经网络 | 第14-15页 |
| ·神经网络在IDS中应用的研究现状 | 第15-16页 |
| ·本文的研究内容 | 第16页 |
| ·论文结构 | 第16-18页 |
| 第二章 相关理论知识概述 | 第18-34页 |
| ·入侵检测相关理论知识的介绍 | 第18-22页 |
| ·入侵和入侵检测概念 | 第18页 |
| ·入侵检测的分类 | 第18-19页 |
| ·入侵检测的模型 | 第19-21页 |
| ·入侵检测系统的发展趋势 | 第21-22页 |
| ·人工神经网络的定义、特点、模型结构和分类 | 第22-27页 |
| ·神经网络的定义 | 第22页 |
| ·神经网络的特点 | 第22-23页 |
| ·神经网络的模型结构 | 第23-25页 |
| ·神经网络的分类 | 第25-27页 |
| ·RBF神经网络 | 第27-30页 |
| ·RBF神经网络概述 | 第27-28页 |
| ·RBF神经网络参数的确定 | 第28-30页 |
| ·PSO算法的介绍 | 第30-32页 |
| ·PSO算法原理 | 第30-31页 |
| ·PSO算法实现步骤 | 第31页 |
| ·PSO算法的改进研究 | 第31-32页 |
| ·神经网络技术在IDS中的应用优势 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于IPSO的RBF神经网络算法 | 第34-46页 |
| ·多策略改进PSO算法 | 第34-37页 |
| ·自适应惯性权重 | 第34-35页 |
| ·变异算子 | 第35页 |
| ·极值扰动 | 第35-37页 |
| ·试验结果与分析 | 第37-41页 |
| ·测试函数 | 第37-38页 |
| ·算法参数设置 | 第38页 |
| ·算法性能分析 | 第38-41页 |
| ·IPSO的RBF神经网络算法 | 第41-42页 |
| ·PSO RBF算法基本原理 | 第41页 |
| ·IPSO RBF算法的粒子编码 | 第41页 |
| ·IPSO RBF算法流程 | 第41-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·算法的评价指标 | 第42-43页 |
| ·结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于IPSO的RBF神经网络入侵检测模型的设计 | 第46-58页 |
| ·模型总体结构 | 第46-47页 |
| ·IPSO RBF神经网络的入侵检测模型 | 第47-50页 |
| ·数据采集模块 | 第47-48页 |
| ·数据预处理模块 | 第48-49页 |
| ·IPSO RBF神经网络模块 | 第49-50页 |
| ·响应及处理模块 | 第50页 |
| ·实验数据 | 第50-54页 |
| ·数据集介绍 | 第50-51页 |
| ·数据处理 | 第51-54页 |
| ·实验及结果分析 | 第54-57页 |
| ·评价标准 | 第54页 |
| ·结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表和录用的论文 | 第67页 |