基于BP神经网络和聚类分析的入侵检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-14页 |
| 1.2.2 面临的主要问题 | 第14-15页 |
| 1.3 研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 2 入侵检测技术 | 第17-22页 |
| 2.1 入侵检测概述 | 第17页 |
| 2.2 入侵检测技术 | 第17-20页 |
| 2.2.1 基于异常检测的技术 | 第17-19页 |
| 2.2.2 基于误用检测的技术 | 第19-20页 |
| 2.3 入侵检测的性能评价 | 第20页 |
| 2.4 入侵检测现存缺陷 | 第20-22页 |
| 3 基于BP神经网络的入侵检测研究 | 第22-42页 |
| 3.1 预备知识 | 第22-29页 |
| 3.1.1 BP神经网络 | 第22-27页 |
| 3.1.2 遗传算法 | 第27-29页 |
| 3.2 改进遗传BP神经网络算法 | 第29-35页 |
| 3.2.1 改进算法的思想 | 第29-30页 |
| 3.2.2 改进算法的流程 | 第30-31页 |
| 3.2.3 改进算法的步骤 | 第31-35页 |
| 3.3 改进BP神经网络的入侵检测实验仿真 | 第35-42页 |
| 3.3.1 数据集的介绍 | 第35页 |
| 3.3.2 数据预处理 | 第35-36页 |
| 3.3.3 实验流程 | 第36-38页 |
| 3.3.4 实验结果与分析 | 第38-42页 |
| 4 基于聚类分析的入侵检测研究 | 第42-55页 |
| 4.1 预备知识 | 第42-49页 |
| 4.1.1 聚类分析 | 第42-46页 |
| 4.1.2 K-means算法 | 第46-49页 |
| 4.2 改进K-means算法的入侵检测 | 第49-51页 |
| 4.2.1 改进算法思想 | 第49-50页 |
| 4.2.2 改进K-means步骤流程 | 第50-51页 |
| 4.3 改进K-means的入侵检测实验仿真 | 第51-55页 |
| 5 总结与展望 | 第55-58页 |
| 5.1 总结 | 第55-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间取得的科研成果清单 | 第63页 |
