首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于深度学习和半监督聚类的入侵防御技术研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第14-24页
    1.1 课题研究背景及意义第14-17页
        1.1.1 课题研究背景第14-16页
        1.1.2 课题研究意义第16-17页
    1.2 入侵检测第17-18页
        1.2.1 入侵检测分类第17页
        1.2.2 异常检测第17页
        1.2.3 误用检测第17-18页
    1.3 入侵防御系统与入侵检测系统的区别第18页
    1.4 IPS发展现状第18-20页
        1.4.1 发展与应用第19页
        1.4.2 国外研究状况第19-20页
        1.4.3 国内研究状况第20页
    1.5 IPS发展趋势第20-21页
    1.6 本文工作第21-24页
        1.6.1 研究内容第21页
        1.6.2 论文结构安排第21-24页
第2章 深度学习理论基础第24-32页
    2.1 深度学习概述第24页
    2.2 深度学习定义第24-26页
        2.2.1 浅层学习第24-25页
        2.2.2 深度学习第25-26页
        2.2.3 深度学习和浅层学习的差异第26页
    2.3 深度学习类型第26-29页
        2.3.1 基于深度神经网络的深度学习第27页
        2.3.2 基于限制玻尔兹曼机的深度学习第27-28页
        2.3.3 基于卷积神经网络的深度学习第28-29页
        2.3.4 基于自编码器的深度学习第29页
    2.4 本章小结第29-32页
第3章 基于深度学习和半监督聚类的入侵检测算法第32-46页
    3.1 机器学习概述第32-34页
        3.1.1 监督学习第32-33页
        3.1.2 无监督学习第33页
        3.1.3 半监督学习第33-34页
    3.2 聚类算法第34-37页
        3.2.1 聚类简介第34页
        3.2.2 半监督聚类第34页
        3.2.3 算法要求第34页
        3.2.4 广义线性模型第34-35页
        3.2.5 Logistic回归第35-36页
        3.2.6 Softmax分类器第36-37页
    3.3 稀疏自编码器第37-40页
        3.3.1 稀疏自编码器概述第37页
        3.3.2 KL散度第37-38页
        3.3.3 逐层贪心算法概述第38-39页
        3.3.4 基于自编码器的深度学习网络第39-40页
    3.4 基于深度学习和半监督学习的入侵检测算法第40-45页
        3.4.1 稀疏性限制第40-41页
        3.4.2 损失函数第41-42页
        3.4.3 基于浅层学习的入侵检测算法第42-43页
        3.4.4 基于深度学习和半监督聚类的入侵检测算法第43-45页
    3.5 本章小结第45-46页
第4章 实验仿真与结果分析第46-56页
    4.1 实验数据第46-49页
        4.1.1 实验数据介绍第46页
        4.1.2 攻击行为分类第46-47页
        4.1.3 属性简介第47-49页
    4.2 数据预处理第49-51页
        4.2.1 数值处理第49页
        4.2.2 数值化处理第49-50页
        4.2.3 归一化处理第50-51页
    4.3 实验过程与结果分析第51-55页
        4.3.1 数据的选择第51页
        4.3.2 数据的整理第51-52页
        4.3.3 仿真结果分析第52-55页
    4.4 本章小结第55-56页
第5章 基于深度学习与半监督聚类的入侵防御模型第56-66页
    5.1 入侵防御系统第56页
        5.1.1 入侵防御系统基本概念第56页
        5.1.2 入侵防御系统类型第56页
    5.2 系统设计原理第56-58页
        5.2.1 系统设计要求第56-57页
        5.2.2 入侵防御系统设计难点第57-58页
    5.3 引入深度学习和半监督聚类理论到入侵防御系统第58页
    5.4 基于深度学习和半监督聚类的入侵防御系统整体架构设计第58-62页
        5.4.1 入侵防御模块第59-61页
        5.4.2 日志记录模块第61页
        5.4.3 中央控制模块第61页
        5.4.4 通信模块第61-62页
    5.5 IPS部署第62-64页
    5.6 本章小结第64-66页
结论第66-68页
    论文总结第66-67页
    工作展望第67-68页
参考文献第68-72页
攻读硕士学位期间发表的学术论文第72-74页
致谢第74-75页
详细摘要第75-79页

论文共79页,点击 下载论文
上一篇:陕北安塞人工刺槐林地植被与土壤变化特征
下一篇:黄帝陵侧柏内生真菌多样性及保护技术研究