| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 移动自组织网络安全防护技术研究现状 | 第15-17页 |
| 1.2.1 数据加密 | 第16页 |
| 1.2.2 安全路由 | 第16-17页 |
| 1.2.3 入侵检测 | 第17页 |
| 1.3 入侵检测技术的发展历史 | 第17-18页 |
| 1.4 论文主要内容和结构 | 第18-20页 |
| 第二章 移动自组织网络入侵检测相关技术 | 第20-28页 |
| 2.1 移动自组织网络中的攻击 | 第20-22页 |
| 2.1.1 常见攻击类型 | 第20-21页 |
| 2.1.2 Ad hoc网络路由协议面临的攻击 | 第21-22页 |
| 2.2 入侵检测系统 | 第22-26页 |
| 2.2.1 入侵检测模型分类 | 第22-23页 |
| 2.2.2 入侵检测系统体系结构 | 第23-25页 |
| 2.2.3 入侵检测算法 | 第25-26页 |
| 2.3 移动自组织网络入侵检测技术 | 第26-27页 |
| 2.3.1 移动自组织网络入侵检测系统特点 | 第26页 |
| 2.3.2 研究现状 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 DBN模型及其在入侵检测中的应用 | 第28-39页 |
| 3.1 神经网络在入侵检测中的应用 | 第28-29页 |
| 3.2 人工神经网络 | 第29-31页 |
| 3.2.1 神经元模型 | 第29-30页 |
| 3.2.2 神经网络的学习方式 | 第30-31页 |
| 3.2.3 BP神经网络 | 第31页 |
| 3.3 选择深度学习的动机 | 第31-32页 |
| 3.4 深度信念网络 | 第32-33页 |
| 3.5 受限玻尔兹曼机 | 第33-38页 |
| 3.5.1 RBM基本模型 | 第33-35页 |
| 3.5.2 RBM训练 | 第35-36页 |
| 3.5.3 RBM中的Gibbs采样 | 第36页 |
| 3.5.4 对比散度算法 | 第36-37页 |
| 3.5.5 RBM评估算法 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于DBN的移动自组织网络入侵检测方案设计 | 第39-51页 |
| 4.1 基于DBN的入侵检测模型结构 | 第39-42页 |
| 4.1.1 CIDF IDS模型 | 第39-40页 |
| 4.1.2 系统设计目标 | 第40页 |
| 4.1.3 系统总体结构 | 第40-42页 |
| 4.2 数据包捕获模块 | 第42-43页 |
| 4.3 数据预处理模块 | 第43-45页 |
| 4.4 DBN模型训练 | 第45-48页 |
| 4.4.1 小批量数据 | 第46-47页 |
| 4.4.2 学习率 | 第47页 |
| 4.4.3 隐藏层单元个数 | 第47-48页 |
| 4.5 入侵检测 | 第48-49页 |
| 4.6 检测响应 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 DBN入侵检测模型仿真 | 第51-69页 |
| 5.1 NS2仿真环境搭建 | 第51-56页 |
| 5.1.1 NS2概述 | 第51-52页 |
| 5.1.2 入侵节点的添加 | 第52-55页 |
| 5.1.3 仿真场景设置 | 第55-56页 |
| 5.2 网络特征提取 | 第56-59页 |
| 5.3 DBN检测模型 | 第59-62页 |
| 5.3.1 模型结构和参数 | 第59-60页 |
| 5.3.2 DBN模型仿真 | 第60-62页 |
| 5.4 仿真结果分析 | 第62-67页 |
| 5.4.1 网络性能 | 第62-65页 |
| 5.4.2 检测结果 | 第65-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 全文总结 | 第69页 |
| 6.2 工作展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 个人简历及攻读硕士学位期间取得的研究成果 | 第75-76页 |