混合神经网络在入侵检测中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·选题背景及意义 | 第8-9页 |
| ·本文的主要工作 | 第9-11页 |
| 第二章 入侵检测概述 | 第11-19页 |
| ·网络安全的基本概念 | 第11-13页 |
| ·网络安全的基本概念 | 第11-12页 |
| ·入侵检测基本模型 | 第12-13页 |
| ·入侵检测及其分类 | 第13-17页 |
| ·入侵检测的功能 | 第13页 |
| ·入侵检测的特点 | 第13-14页 |
| ·入侵检测的分类 | 第14-15页 |
| ·入侵检测中的检测方法 | 第15-17页 |
| ·入侵检测系统的研究现状 | 第17页 |
| ·入侵检测系统发展趋势 | 第17-18页 |
| 小结 | 第18-19页 |
| 第三章 BP网络在入侵检测中的应用研究 | 第19-36页 |
| ·神经网络概述 | 第19-22页 |
| ·神经元模型及网络结构 | 第19-21页 |
| ·神经网络的学习方式及学习规则 | 第21页 |
| ·神经网络的优点 | 第21-22页 |
| ·神经网络在入侵检测中的应用研究 | 第22-24页 |
| ·将神经网络引入入侵检测的原因 | 第22页 |
| ·神经网络应用于入侵检测的优势 | 第22-23页 |
| ·神经网络应用于入侵检测的现状 | 第23页 |
| ·神经网络应用于入侵检测系统中存在的问题 | 第23-24页 |
| ·BP网络概述 | 第24-28页 |
| ·BP网络拓扑结构 | 第24页 |
| ·后向传播算法 | 第24-26页 |
| ·BP网络的优化 | 第26-28页 |
| ·BP网络在入侵检测中的应用研究 | 第28-32页 |
| ·网络数据的特征选取 | 第28-29页 |
| ·数据预处理 | 第29-30页 |
| ·神经网络的设计 | 第30-32页 |
| ·仿真结果 | 第32-35页 |
| ·KDDCup 99数据集简介 | 第32-34页 |
| ·仿真结果 | 第34-35页 |
| 小结 | 第35-36页 |
| 第四章 ART-2在入侵检测中的应用研究 | 第36-48页 |
| ·ART-2网络概述 | 第36-39页 |
| ·自适应谐振理论(ART)历史 | 第36-37页 |
| ·ART原理 | 第37页 |
| ·ART-2结构 | 第37-38页 |
| ·ART-2学习方法 | 第38-39页 |
| ·ART-2存在问题 | 第39-40页 |
| ·标准ART-2的改进 | 第40-42页 |
| ·ART-2网络在入侵检测中的应用 | 第42-44页 |
| ·输入特征选取 | 第42-43页 |
| ·数据预处理 | 第43页 |
| ·网络结构及网络初始参数的确定 | 第43-44页 |
| ·仿真结果 | 第44-46页 |
| ·ART-2和BP网络应用于网络入侵检测的比较 | 第46-47页 |
| 小结 | 第47-48页 |
| 第五章 BA-NIDS系统的设计与实现 | 第48-64页 |
| ·系统设计思路 | 第48-49页 |
| ·BA-NIDS体系结构和工作原理 | 第49-51页 |
| ·BA-NIDS的实现 | 第51-57页 |
| ·网络数据包俘获的实现 | 第51-53页 |
| ·特征提取引擎的实现 | 第53-56页 |
| ·混合神经网络检测引擎的实现 | 第56-57页 |
| ·BA-NIDS的主要数据结构 | 第57-61页 |
| ·BA-NIDS评测 | 第61-63页 |
| ·系统评测准则 | 第61-62页 |
| ·BA-NIDS评测及其结果 | 第62-63页 |
| 小结 | 第63-64页 |
| 结论与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-67页 |
