| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·入侵检测发展历史及技术特点 | 第8-10页 |
| ·ART神经网络及其应用 | 第10页 |
| ·论文的内容安排 | 第10-12页 |
| 第二章 入侵检测概述 | 第12-26页 |
| ·入侵检测研究的必要性 | 第12-13页 |
| ·入侵检测系统的组成 | 第13-14页 |
| ·入侵检测系统的分类 | 第14-16页 |
| ·入侵检测方法 | 第16-21页 |
| ·误用检测 | 第16-18页 |
| ·异常检测 | 第18-20页 |
| ·其他检测方法 | 第20-21页 |
| ·入侵检测面临的挑战及发展趋势 | 第21-26页 |
| ·面临的挑战 | 第21-22页 |
| ·发展趋势 | 第22-26页 |
| 第三章 分类与聚类 | 第26-34页 |
| ·分类 | 第26-29页 |
| ·基本概念 | 第26-27页 |
| ·分类算法 | 第27-29页 |
| ·聚类 | 第29-32页 |
| ·基本概念 | 第29-30页 |
| ·聚类算法 | 第30-31页 |
| ·入侵检测对聚类算法的要求 | 第31-32页 |
| ·小结 | 第32-34页 |
| 第四章 ART神经网络概述 | 第34-48页 |
| ·神经网络概述 | 第34-37页 |
| ·神经网络概念 | 第34页 |
| ·神经网络三要素 | 第34-36页 |
| ·神经网络的特点及应用 | 第36-37页 |
| ·经典ART 2 神经网络 | 第37-44页 |
| ·自适应共振理论 | 第37-38页 |
| ·ART 2 神经网络的结构 | 第38-39页 |
| ·ART 2 神经网络的数学模型 | 第39-42页 |
| ·ART 2 神经网络的学习算法 | 第42-44页 |
| ·对ART 2 网络应用于入侵检测的分析 | 第44-48页 |
| ·可行性 | 第44-46页 |
| ·存在的问题 | 第46-48页 |
| 第五章 两种改进的ART 2 模型及其在入侵检测中的应用 | 第48-60页 |
| ·改进模型1 | 第48-53页 |
| ·模型的结构 | 第48页 |
| ·算法步骤 | 第48页 |
| ·算法分析 | 第48-49页 |
| ·仿真实验 | 第49-53页 |
| ·改进模型2 | 第53-60页 |
| ·模型的结构 | 第53-54页 |
| ·算法步骤 | 第54-56页 |
| ·算法分析 | 第56-57页 |
| ·仿真实验 | 第57-60页 |
| 结束语 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者在读期间的研究成果 | 第68页 |