| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景和研究意义 | 第9-11页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 网络安全国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 2 指挥自动化网络安全 | 第14-22页 |
| 2.1 指挥自动化 | 第14-16页 |
| 2.1.1 指挥自动化系统 | 第14-15页 |
| 2.1.2 指挥自动化网络 | 第15-16页 |
| 2.2 防火墙 | 第16-19页 |
| 2.2.1 防火墙的基本概念 | 第16页 |
| 2.2.2 防火墙的应用 | 第16-17页 |
| 2.2.3 工作原理 | 第17-18页 |
| 2.2.4 防火墙的局限性 | 第18-19页 |
| 2.3 入侵检测 | 第19-21页 |
| 2.3.1 入侵检测的基本概念 | 第19页 |
| 2.3.2 系统的基本结构 | 第19-20页 |
| 2.3.3 入侵检测的分类 | 第20-21页 |
| 2.4 防火墙与入侵检测 | 第21页 |
| 2.5 小结 | 第21-22页 |
| 3 人工神经网络理论 | 第22-33页 |
| 3.1 概述 | 第22-24页 |
| 3.1.1 神经网络的特点 | 第22-23页 |
| 3.1.2 神经网络模型 | 第23-24页 |
| 3.1.3 神经网络的学习方式 | 第24页 |
| 3.2 BP 神经网络 | 第24-28页 |
| 3.3 改进神经网络算法研究 | 第28-32页 |
| 3.3.1 小波神经网络 | 第28-30页 |
| 3.3.2 LMBP 神经网络 | 第30-32页 |
| 3.4 小结 | 第32-33页 |
| 4 基于小波神经网络的指挥自动化网络防火墙流量预测 | 第33-40页 |
| 4.1 神经网络预测 | 第33页 |
| 4.2 基于小波神经网络的指挥自动化网络流量预测建模 | 第33-35页 |
| 4.3 仿真实验 | 第35-39页 |
| 4.4 小结 | 第39-40页 |
| 5 基于 LMBP 神经网络的指挥自动化网络入侵分类 | 第40-49页 |
| 5.1 神经网络分类 | 第40-41页 |
| 5.2 基于 LMBP 神经网络的指挥自动化网络入侵分类建模 | 第41-44页 |
| 5.3 仿真实验 | 第44-48页 |
| 5.4 小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间的研究成果 | 第54页 |
