基于PCA和改进BP神经网络的入侵检测系统研究与设计
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-17页 |
| ·网络安全现状 | 第9-11页 |
| ·信息安全技术与网络安全模型 | 第11-15页 |
| ·信息安全技术的分类 | 第11页 |
| ·常见的信息安全技术 | 第11-13页 |
| ·网络安全模型 | 第13-15页 |
| ·课题研究的目的和意义 | 第15-16页 |
| ·本文主要研究内容及结构 | 第16页 |
| ·本章小结 | 第16-17页 |
| 2 入侵检测概述 | 第17-29页 |
| ·入侵检测相关概念 | 第17-18页 |
| ·入侵检测系统的分类 | 第18-19页 |
| ·基于主机的入侵检测系统 | 第18页 |
| ·基于网络的入侵检测系统 | 第18-19页 |
| ·入侵检测主要技术 | 第19-23页 |
| ·异常检测常用技术 | 第20-22页 |
| ·滥用检测常用技术 | 第22-23页 |
| ·入侵检测系统模型 | 第23-25页 |
| ·Denning 模型. | 第23-24页 |
| ·CIDF 模型 | 第24-25页 |
| ·入侵检测面临的问题及发展方向 | 第25-28页 |
| ·入侵检测面临的问题 | 第25-27页 |
| ·入侵检测技术的发展方向 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 人工神经网络概述 | 第29-39页 |
| ·什么是人工神经网络 | 第29页 |
| ·人工神经网络的发展历程 | 第29-32页 |
| ·人工神经网络模型 | 第32-35页 |
| ·生物神经元 | 第32-33页 |
| ·人工神经元模型 | 第33页 |
| ·典型传输函数 | 第33-34页 |
| ·网络拓扑结构 | 第34-35页 |
| ·人工神经网络的学习规则 | 第35-37页 |
| ·学习规则分类 | 第35-36页 |
| ·典型学习规则 | 第36-37页 |
| ·人工神经网络的特点 | 第37-38页 |
| ·人工神经网络应用于入侵检测 | 第38页 |
| ·神经网络的优势 | 第38页 |
| ·神经网络的劣势 | 第38页 |
| ·本章小结 | 第38-39页 |
| 4 神经网络入侵检测系统设计 | 第39-54页 |
| ·入侵检测系统总体设计 | 第39-40页 |
| ·系统设计目标 | 第39页 |
| ·系统设计方案 | 第39-40页 |
| ·数据采集模块 | 第40-42页 |
| ·网络探测器的结构 | 第40-41页 |
| ·网络探测器的位置 | 第41页 |
| ·数据采集方法 | 第41-42页 |
| ·数据预处理模块 | 第42-44页 |
| ·数据清理 | 第43页 |
| ·数据集成 | 第43页 |
| ·数据选择 | 第43页 |
| ·数据变换 | 第43-44页 |
| ·数据规约 | 第44页 |
| ·PCA 特征提取模块 | 第44-46页 |
| ·数据降维的两种方法 | 第44-45页 |
| ·PCA 基本原理. | 第45-46页 |
| ·BP 神经网络分类器模块 | 第46-52页 |
| ·BP 神经网络 | 第46-47页 |
| ·BP 神经网络的学习过程 | 第47-48页 |
| ·BP 算法的改进 | 第48-51页 |
| ·关键指标设计 | 第51-52页 |
| ·响应模块 | 第52-53页 |
| ·响应技术的分类 | 第52-53页 |
| ·系统响应方案 | 第53页 |
| ·本章小结 | 第53-54页 |
| 5 仿真实验及分析 | 第54-69页 |
| ·实验数据源 | 第54-57页 |
| ·MATLAB 仿真平台 | 第57-59页 |
| ·MATLAB 简介 | 第57-58页 |
| ·PCA 相关函数. | 第58页 |
| ·神经网络相关函数 | 第58-59页 |
| ·实验过程及源代码 | 第59-64页 |
| ·准备阶段 | 第59-61页 |
| ·仿真阶段 | 第61-62页 |
| ·MATLAB 源代码 | 第62-64页 |
| ·实验结果及分析 | 第64-68页 |
| ·实验结果 | 第64-67页 |
| ·实验分析及结论 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-70页 |
| ·总结 | 第69页 |
| ·展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74页 |
