基于BP神经网络的入侵检测系统研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第13-17页 |
| 1.1 课题背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文的结构 | 第16-17页 |
| 第二章 网络入侵检测技术概述 | 第17-24页 |
| 2.1 网络入侵手段分析 | 第17-20页 |
| 2.1.1 非法访问 | 第17页 |
| 2.1.2 未经授权的远程访问 | 第17-18页 |
| 2.1.3 恶意软件 | 第18页 |
| 2.1.4 拒绝服务攻击 | 第18-19页 |
| 2.1.5 病毒攻击 | 第19-20页 |
| 2.2 防火墙技术 | 第20-21页 |
| 2.3 网络入侵检测技术 | 第21-22页 |
| 2.3.1 工作原理 | 第21页 |
| 2.3.2 入侵检测技术的分类 | 第21-22页 |
| 2.4 入侵防御技术 | 第22-24页 |
| 2.4.1 主机入侵防御 | 第22-23页 |
| 2.4.2 网络入侵防御 | 第23页 |
| 2.4.3 应用入侵防御 | 第23-24页 |
| 第三章 基于BP神经网络的入侵检测算法 | 第24-39页 |
| 3.1 人工神经网络概述 | 第24-26页 |
| 3.1.1 神经网络的基本概念 | 第24-25页 |
| 3.1.2 人工神经网络模型 | 第25-26页 |
| 3.2 BP神经网络 | 第26-30页 |
| 3.2.1 BP网络结构 | 第26-28页 |
| 3.2.2 BP网络算法 | 第28-30页 |
| 3.3 基于改进粒子群算法的BP网络优化 | 第30-36页 |
| 3.3.1 标准粒子群算法 | 第30-31页 |
| 3.3.2 算法改进的策略 | 第31-33页 |
| 3.3.3 改进后的算法结合BP网络 | 第33-36页 |
| 3.4 改进后PSO-BP算法的仿真实验 | 第36-39页 |
| 3.4.1 仿真实验方案 | 第36页 |
| 3.4.2 仿真结果比较与分析 | 第36-39页 |
| 第四章 基于优化BP网络的入侵检测系统 | 第39-57页 |
| 4.1 系统总体设计 | 第39-40页 |
| 4.2 网络数据的获取 | 第40-44页 |
| 4.2.1 数据捕获原理 | 第41页 |
| 4.2.2 Libcap函数库 | 第41-42页 |
| 4.2.3 网络数据的获取 | 第42-44页 |
| 4.3 数据预处理 | 第44-46页 |
| 4.3.1 字符特征属性数字化 | 第44-46页 |
| 4.3.2 数值特征属性归一化 | 第46页 |
| 4.4 数据分析与防御控制 | 第46-53页 |
| 4.4.1 数据分析模块 | 第46-48页 |
| 4.4.2 神经网络训练模块 | 第48-50页 |
| 4.4.3 入侵检测模块 | 第50-51页 |
| 4.4.4 防御控制模块 | 第51-53页 |
| 4.5 系统部署与配置 | 第53-57页 |
| 4.5.1 准备工作 | 第53-54页 |
| 4.5.2 构建透明网桥 | 第54-55页 |
| 4.5.3 安装检测系统 | 第55页 |
| 4.5.4 系统联调 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文工作总结 | 第57页 |
| 5.2 下一步工作展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简历 | 第63页 |
