基于深度置信网络的入侵检测研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究的目标与内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第二章 入侵检测技术概述 | 第12-20页 |
| 2.1 入侵检测相关概念 | 第12页 |
| 2.2 入侵检测系统的基本模型 | 第12-14页 |
| 2.2.1 通用入侵检测模型 | 第13页 |
| 2.2.2 层次化入侵检测模型 | 第13页 |
| 2.2.3 管理式入侵检测模型 | 第13-14页 |
| 2.3 入侵检测流程 | 第14-18页 |
| 2.3.1 信息收集 | 第14-15页 |
| 2.3.2 信息分析 | 第15-18页 |
| 2.3.3 告警与响应 | 第18页 |
| 2.4 现有入侵检测技术的问题和发展趋势 | 第18-19页 |
| 2.4.1 入侵检测技术面临的问题 | 第18-19页 |
| 2.4.2 入侵检测技术发展趋势 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 深度学习 | 第20-29页 |
| 3.0 深度学习简介 | 第20-21页 |
| 3.1 深度学习训练过程 | 第21-22页 |
| 3.2 深度置信网络模型 | 第22页 |
| 3.3 受限玻尔兹曼机 | 第22-27页 |
| 3.3.1 受限玻尔兹曼机原理 | 第22-24页 |
| 3.3.2 受限玻尔兹曼机的能量模型 | 第24-25页 |
| 3.3.3 受限玻尔兹曼机的训练算法 | 第25-27页 |
| 3.4 BP神经网络 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于深度置信网络的入侵检测模型 | 第29-36页 |
| 4.1 通用入侵检测框架 | 第29-30页 |
| 4.2 基于深度置信网络的入侵检测模型 | 第30-35页 |
| 4.2.1 网络探测器 | 第30-31页 |
| 4.2.2 数据预处理模块 | 第31页 |
| 4.2.3 数据库 | 第31-32页 |
| 4.2.4 DBN异常处理模块 | 第32-34页 |
| 4.2.5 响应模块 | 第34-35页 |
| 4.3 模型影响参数 | 第35页 |
| 4.4 模型评价标准 | 第35-36页 |
| 第五章 基于深度置信网络的入侵检测实验仿真 | 第36-50页 |
| 5.1 实验数据介绍与预处理 | 第36-40页 |
| 5.2 实验的软硬件环境 | 第40页 |
| 5.3 实验仿真和结果分析 | 第40-47页 |
| 5.4 实验对比 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 本文总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 在学期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
