具有学习机制的分布式入侵检测系统研究
| 内容摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的研究背景 | 第8-9页 |
| ·国内外相关领域研究现状 | 第9-13页 |
| ·Agent和神经网络技术在入侵检测系统中应用 | 第9页 |
| ·现有的入侵检测系统 | 第9-10页 |
| ·目前研究中所采用的方法 | 第10-13页 |
| ·研究内容 | 第13-14页 |
| ·主要工作 | 第14页 |
| ·内容安排 | 第14页 |
| 第二章 相关理论 | 第14-22页 |
| ·Agent与Multi-Agent | 第15-17页 |
| ·Agent的概述 | 第15页 |
| ·Agent的定义 | 第15-16页 |
| ·单Agent系统的结构 | 第16页 |
| ·Multi-Agent系统(MAS) | 第16-17页 |
| ·Agent通信 | 第17页 |
| ·神经网络技术 | 第17-22页 |
| ·神经网络定义 | 第17-18页 |
| ·神经网络分类 | 第18页 |
| ·SOM网络 | 第18-20页 |
| ·SOM算法 | 第20-22页 |
| 第三章 入侵检测相关工作 | 第22-25页 |
| ·引言 | 第22页 |
| ·入侵检测系统体系结构 | 第22-23页 |
| ·入侵检测系统的要求 | 第23-24页 |
| ·入侵检测系统的主要性能指标 | 第24-25页 |
| 第四章 基于Agent的分布式入侵检测模型 | 第25-37页 |
| ·设计思想 | 第25页 |
| ·系统框架 | 第25-26页 |
| ·Agent分工 | 第26-35页 |
| ·IDA | 第26-27页 |
| ·CA | 第27-30页 |
| ·MA | 第30-31页 |
| ·互评价机制 | 第31-35页 |
| ·系统优点 | 第35页 |
| ·采用Agent技术可能带来的问题 | 第35-37页 |
| 第五章 基于神经网络的入侵检测引擎 | 第37-43页 |
| ·SOM网络 | 第37页 |
| ·SOM算法 | 第37-39页 |
| ·距离度量 | 第37-38页 |
| ·邻域函数 | 第38页 |
| ·学习函数 | 第38-39页 |
| ·算法补充说明 | 第39页 |
| ·NIDA检测引擎的构建 | 第39-43页 |
| ·数据源 | 第39-40页 |
| ·数据处理 | 第40-41页 |
| ·数据规范化 | 第41页 |
| ·分析引擎 | 第41-43页 |
| 第六章 相关实验结果 | 第43-46页 |
| ·实验环境 | 第43页 |
| ·相关参数对系统的影响 | 第43-46页 |
| ·互评价函数相关参数 | 第43-44页 |
| ·SOM实验结果 | 第44-46页 |
| 第七章 结论和展望 | 第46-47页 |
| ·工作小结 | 第46页 |
| ·未来工作展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
