| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景 | 第10-13页 |
| 1.1.1 目前网络安全存在的问题 | 第10-11页 |
| 1.1.2 神经网络与入侵检测系统的重要意义 | 第11-12页 |
| 1.1.3 课题研究的国内外现状 | 第12-13页 |
| 1.2 课题研究的内容及意义 | 第13-14页 |
| 1.3 论文的组织结构 | 第14-16页 |
| 第2章 入侵检测系统的模型及检测方法 | 第16-26页 |
| 2.1 入侵检测的概念及过程 | 第16-17页 |
| 2.1.1 入侵检测的概念 | 第16-17页 |
| 2.1.2 入侵检测系统的组成结构 | 第17页 |
| 2.2 入侵检测技术的分类 | 第17-19页 |
| 2.3 入侵检测系统的模型 | 第19-21页 |
| 2.3.1 Denning模型 | 第19-20页 |
| 2.3.2 CIDF模型 | 第20页 |
| 2.3.3 分布式入侵检测模型 | 第20-21页 |
| 2.4 入侵检测的方法 | 第21-25页 |
| 2.4.1 基于误用检测的方法 | 第21-22页 |
| 2.4.2 基于异常检测的方法 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 神经网络及其在入侵检测中的应用研究 | 第26-38页 |
| 3.1 人工神经网络 | 第26-28页 |
| 3.1.1 人工神经网络简介 | 第26-27页 |
| 3.1.2 人工神经网络分类 | 第27-28页 |
| 3.2 BP神经网络的模型及算法 | 第28-34页 |
| 3.2.1 BP神经网络 | 第28页 |
| 3.2.2 BP神经网络模型 | 第28-30页 |
| 3.2.3 BP神经网络的基本算法 | 第30-34页 |
| 3.3 BP神经网络在入侵检测系统中应用的研究与分析 | 第34-36页 |
| 3.3.1 BP神经网络在入侵检测中的应用 | 第34-35页 |
| 3.3.2 BP神经网络对于入侵检测系统的优势 | 第35页 |
| 3.3.3 BP神经网络在入侵检测系统中存在的问题 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 基于BP神经网络的入侵检测算法的改进与设计 | 第38-48页 |
| 4.1 算法改进的理论基础和改进思想 | 第38-40页 |
| 4.1.1 算法改进的理论基础 | 第38-39页 |
| 4.1.2 算法改进的思想 | 第39-40页 |
| 4.2 改进算法的设计 | 第40-47页 |
| 4.2.1 改进算法的总体处理流程 | 第41-44页 |
| 4.2.2 输入层至隐含层权值阈值学习率的处理流程 | 第44-46页 |
| 4.2.3 隐含层至输出层权值阈值学习率的处理流程 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 改进BP神经网络入侵检测算法的实验与仿真 | 第48-64页 |
| 5.1 实验样本的选取 | 第48-55页 |
| 5.1.1 检测数据特征及编码 | 第48-51页 |
| 5.1.2 样本特征的选取 | 第51-54页 |
| 5.1.3 样本特征的处理 | 第54-55页 |
| 5.2 实验环境及算法编程 | 第55-58页 |
| 5.2.1 确定实验参数及环境 | 第56-57页 |
| 5.2.2 算法编程 | 第57-58页 |
| 5.3 实验结果及分析 | 第58-62页 |
| 5.3.1 实验结果 | 第58-61页 |
| 5.3.2 测试与分析 | 第61-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 结论 | 第64-66页 |
| 6.1 论文工作总结 | 第64-65页 |
| 6.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68页 |
