| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第9-12页 |
| 1．1 论文背景 | 第9页 |
| 1．2 论文研究目的和方法 | 第9-10页 |
| 1．3 研究内容和安排 | 第10-12页 |
| 1．3．1 研究内容 | 第10-11页 |
| 1．3．2 论文安排 | 第11-12页 |
| 第2章 入侵检测系统概述 | 第12-21页 |
| 2．1 入侵检测系统的发展 | 第12-14页 |
| 2．2 入侵检测系统研究现状 | 第14-15页 |
| 2．3 入侵检测系统的分类 | 第15-16页 |
| 2．4 入侵检测系统的检测技术 | 第16-19页 |
| 2．4．1 异常检测 | 第16-17页 |
| 2．4．2 误用检测 | 第17-19页 |
| 2．5 入侵检测系统的性能评估 | 第19-21页 |
| 第3章 智能技术在入侵检测中的应用 | 第21-45页 |
| 3．1 神经网络技术在入侵检测中的应用 | 第21-22页 |
| 3．1．1 人工神经网络的定义 | 第21页 |
| 3．1．2 人工神经网络在入侵检测中的应用 | 第21-22页 |
| 3．2 BP网络 | 第22-35页 |
| 3．2．1 BP算法 | 第22-24页 |
| 3．2．2 BP算法的改进算法 | 第24-26页 |
| 3．2．3 BP算法用于入侵检测 | 第26-35页 |
| 3．2．3．1 BP算法入侵检测性能的比较 | 第27-32页 |
| 3．2．3．2 BP算法用于异常检测 | 第32-33页 |
| 3．2．3．3 动量学习率法用于误用检测 | 第33-35页 |
| 3．3 数据挖掘技术在入侵检测中的应用 | 第35-40页 |
| 3．3．1 数据挖掘的定义 | 第35-36页 |
| 3．3．2 入侵检测系统中的数据挖掘算法的应用 | 第36页 |
| 3．3．3 入侵检测系统中数据挖掘流程 | 第36-37页 |
| 3．3．4 分类算法 | 第37-40页 |
| 3．4 组合分类法 | 第40-45页 |
| 第4章 基于多Agent的网络入侵检测模型的设计 | 第45-58页 |
| 4．1 Agent技术研究 | 第45-47页 |
| 4．1．1 Agent的定义 | 第45页 |
| 4．1．2 移动 Agent系统 | 第45-46页 |
| 4．1．3 多 Agent系统 | 第46页 |
| 4．1．4 Agent的引入可能造成的问题 | 第46-47页 |
| 4．2 基于 Agent的入侵检测系统 | 第47-52页 |
| 4．2．1 入侵检测自治代理(AFFID) | 第47-49页 |
| 4．2．2 EMERALD | 第49-50页 |
| 4．2．3 基于多 Agent的入侵检测协同模型 | 第50-52页 |
| 4．3 基于多 Agent的层次协同入侵检测模型设计 | 第52-58页 |
| 4．3．1 设计原则 | 第52页 |
| 4．3．2 体系结构设计 | 第52页 |
| 4．3．3 主要部件介绍 | 第52-55页 |
| 4．3．4 通信协议 | 第55-56页 |
| 4．3．5 日志文件和系统数据库 | 第56页 |
| 4．3．6 基于 Agent的层次协同入侵检测模型的工作流程 | 第56-57页 |
| 4．3．7 系统性能评估 | 第57-58页 |
| 第5章 系统的初步实现 | 第58-74页 |
| 5．1 系统开发环境 | 第58-59页 |
| 5．2 采集 Agent的设计 | 第59-62页 |
| 5．3 检测代理设计 | 第62-74页 |
| 5．3．1 数据预处理 | 第62-68页 |
| 5．3．2 异常检测 Agent设计 | 第68-71页 |
| 5．3．2．1 异常检测 Agent的数据准备 | 第68-70页 |
| 5．3．2．2 异常检测 Agent检测算法实现步骤 | 第70页 |
| 5．3．2．3 异常检测 Agent实验结果 | 第70-71页 |
| 5．3．3 误用检测 Agent设计 | 第71-73页 |
| 5．3．3．1 误用检测 Agent的数据源 | 第71页 |
| 5．3．3．2 误用检测 Agent的检测算法实验步骤 | 第71-72页 |
| 5．3．3．3 误用检测 Agent的实验结果 | 第72-73页 |
| 5．3．4 系统入侵检测的实现 | 第73-74页 |
| 第6章 总结和展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81页 |
