| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 入侵检测技术的研究现状 | 第10-11页 |
| 1.2.2 BP 神经网络的研究现状 | 第11页 |
| 1.2.3 BP 神经网络在入侵检测中的研究现状 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 入侵检测技术介绍 | 第15-21页 |
| 2.1 入侵检测的介绍 | 第15-16页 |
| 2.1.1 入侵检测的概念 | 第15页 |
| 2.1.2 入侵检测工作原理 | 第15-16页 |
| 2.2 入侵检测技术 | 第16-18页 |
| 2.2.1 误用检测技术 | 第17-18页 |
| 2.2.2 异常检测技术 | 第18页 |
| 2.3 入侵检测发展趋势 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 BP 神经网络技术研究 | 第21-31页 |
| 3.1 人工神经网络 | 第21-24页 |
| 3.1.1 人工神经网络结构 | 第21-22页 |
| 3.1.2 人工神经网络的工作方式 | 第22-23页 |
| 3.1.3 人工神经网络的分类 | 第23-24页 |
| 3.2 BP 神经网络 | 第24-29页 |
| 3.2.1 BP 神经网络模型 | 第24-25页 |
| 3.2.2 BP 算法 | 第25-29页 |
| 3.2.2.1 BP 算法基本思想 | 第25页 |
| 3.2.2.2 BP 算法的推导 | 第25-28页 |
| 3.2.2.3 BP 算法流程图 | 第28-29页 |
| 3.3 BP 网络在入侵检测中的应用研究 | 第29-30页 |
| 3.3.1 将 BP 神经网络运用于入侵检测的优势 | 第29页 |
| 3.3.2 BP 神经网络在入侵检测中的实现方式 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 BP 神经网络的改进 | 第31-45页 |
| 4.1 BP 神经网络的优缺点 | 第31-32页 |
| 4.2 BP 算法现有的改进措施 | 第32-34页 |
| 4.3 针对入侵检测对 BP 算法的改进 | 第34-44页 |
| 4.3.1 算法改进的基本思想及其理论推导 | 第34-37页 |
| 4.3.2 算法改进的详细步骤 | 第37-40页 |
| 4.3.3 算法改进的流程图 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于改进后 BP 算法的入侵检测仿真实验 | 第45-57页 |
| 5.1 实验环境及实验目的 | 第45页 |
| 5.2 准备实验样本 | 第45-51页 |
| 5.2.1 实验样本的选择 | 第45-46页 |
| 5.2.2 样本特征的选取 | 第46-49页 |
| 5.2.3 实验样本的预处理 | 第49-51页 |
| 5.2.3.1 标准化 | 第49-50页 |
| 5.2.3.2 归一化 | 第50-51页 |
| 5.3 实验步骤 | 第51-55页 |
| 5.3.1 确定网络结构及参数 | 第51-52页 |
| 5.3.2 训练网络 | 第52-54页 |
| 5.3.3 测试网络 | 第54-55页 |
| 5.3.4 测试结果及其分析 | 第55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 总结和展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 下一步工作展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |