| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·课题背景 | 第7-9页 |
| ·网络安全现状 | 第7-8页 |
| ·网络安全技术 | 第8-9页 |
| ·入侵检测的研究现状与发展趋势 | 第9-11页 |
| ·研究现状 | 第9-10页 |
| ·发展趋势 | 第10-11页 |
| ·论文的主要研究内容与研究意义 | 第11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 入侵检测概述 | 第13-32页 |
| ·入侵检测系统的介绍 | 第13-23页 |
| ·入侵检测系统的功能 | 第13-14页 |
| ·入侵检测的一般原理 | 第14-17页 |
| ·入侵检测系统模型 | 第17-21页 |
| ·入侵检测技术分类 | 第21-23页 |
| ·具体入侵检测方法祥述 | 第23-30页 |
| ·统计方法 | 第23-25页 |
| ·预测模式生成 | 第25-26页 |
| ·专家系统 | 第26-27页 |
| ·基于模型的入侵检测方法 | 第27-28页 |
| ·状态转移分析 | 第28-29页 |
| ·模式匹配 | 第29-30页 |
| ·误用分析 | 第30页 |
| ·Keystroke Monitor | 第30页 |
| ·协议分析技术 | 第30页 |
| ·行为分析技术 | 第30页 |
| ·现有入侵检测技术的不足 | 第30-32页 |
| 第三章 神经网络在入侵检测中的应用 | 第32-47页 |
| ·人工神经网络的提出 | 第32-33页 |
| ·人工神经网络模型 | 第33-36页 |
| ·人工神经元模型 | 第33-35页 |
| ·人工神经网络的拓扑结构 | 第35页 |
| ·人工神经网络的学习方法 | 第35-36页 |
| ·人工神经网络的运行方式 | 第36页 |
| ·多层前馈人工神经网络 | 第36-39页 |
| ·三层前馈人工神经网络相关定理 | 第36页 |
| ·三层前馈人工神经网络结构 | 第36-39页 |
| ·BP 学习算法 | 第39-43页 |
| ·BP 算法的基本思想 | 第39页 |
| ·BP 算法的数学描述 | 第39-42页 |
| ·BP 算法中存在的一些问题及改进措施 | 第42-43页 |
| ·基于网络的入侵检测中的神经网络应用 | 第43-47页 |
| ·神经网络对传统检测方法的补充 | 第44-45页 |
| ·神经网络检测的优势 | 第45-46页 |
| ·实现方法 | 第46-47页 |
| 第四章 基于神经网络的网络入侵检测模型的设计与实现 | 第47-71页 |
| ·采用神经网络技术的入侵检测模型 | 第47-54页 |
| ·TCP/ IP 概述 | 第47-50页 |
| ·设计思想 | 第50-54页 |
| ·入侵检测模型原理图 | 第54页 |
| ·网络数据处理模块的设计 | 第54-65页 |
| ·数据包捕获模块的设计 | 第54-59页 |
| ·数据分析模块的设计 | 第59-64页 |
| ·预处理模块的设计 | 第64-65页 |
| ·神经网络模块的设计 | 第65-68页 |
| ·神经网络模块模型 | 第65页 |
| ·神经网络训练模块的算法 | 第65-68页 |
| ·神经网络检测模块的算法 | 第68页 |
| ·原型系统的实现 | 第68-71页 |
| ·数据包捕获模块的具体实现 | 第70页 |
| ·数据包分析程序的具体实现 | 第70页 |
| ·预处理模块的实现 | 第70页 |
| ·神经网络训练模块实现 | 第70页 |
| ·神经网络检测模块实现 | 第70-71页 |
| 第五章 实验分析和问题的讨论 | 第71-74页 |
| ·实验结果与分析 | 第71-72页 |
| ·可行性测试 | 第71-72页 |
| ·神经网络的训练过程 | 第72页 |
| ·神经网络的测试过程 | 第72页 |
| ·问题的考虑和一些新的想法 | 第72-74页 |
| 第六章 结束语 | 第74-75页 |
| ·论文工作总结 | 第74页 |
| ·进一步的研究 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78页 |