| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 本文研究的目的和意义 | 第10-12页 |
| 1.2 国内外入侵检测技术综述 | 第12-13页 |
| 1.3 本文主要研究内容和思路 | 第13-14页 |
| 1.4 本文的组织结构 | 第14页 |
| 1.5 本文预期达到的目标 | 第14-15页 |
| 第2章 入侵检测与神经网络 | 第15-28页 |
| 2.1 入侵检测的功能与分类 | 第15-18页 |
| 2.1.1 入侵检测分类 | 第16-18页 |
| 2.1.2 入侵检测系统的基本流程 | 第18页 |
| 2.2 入侵检测方法 | 第18-21页 |
| 2.2.1 异常入侵检测技术 | 第19-20页 |
| 2.2.2 误用检测技术 | 第20-21页 |
| 2.2.3 其他入侵检测方法 | 第21页 |
| 2.3 现有入侵检测系统的不足之处 | 第21-22页 |
| 2.4 神经网络系统综述 | 第22-25页 |
| 2.4.1 人工神经网络的概念 | 第23页 |
| 2.4.2 神经网络的工作原理 | 第23-25页 |
| 2.4.3 神经网络的研究内容 | 第25页 |
| 2.5 神经网络系统的特点 | 第25-26页 |
| 2.6 神经网络算法的优缺点比较 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 传统BP神经网络模型和算法 | 第28-37页 |
| 3.1 BP神经网络模型概述 | 第28-29页 |
| 3.2 BP神经网络模型原理 | 第29-31页 |
| 3.3 BP算法概述 | 第31-36页 |
| 3.3.1 基本原理 | 第31-32页 |
| 3.3.2 BP算法步骤与流程 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 应用Levenberg-Marquardt优化算法建立的HIDS模型 | 第37-47页 |
| 4.1 BP算法的不足与改进方法 | 第37页 |
| 4.2 Levenberg-Marquardt算法概述 | 第37-38页 |
| 4.3 改进的LM算法 | 第38-39页 |
| 4.4 系统设计原理 | 第39-41页 |
| 4.5 模型体系结构 | 第41-46页 |
| 4.5.1 数据采集模块 | 第42-43页 |
| 4.5.2 数据预处理模块 | 第43-44页 |
| 4.5.3 规则库模块 | 第44-46页 |
| 4.5.4 检测分析模块 | 第46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 实验验证 | 第47-53页 |
| 5.1 仿真实验 | 第47页 |
| 5.2 实验环境 | 第47页 |
| 5.3 LMBP-HIDS模型检测实例 | 第47-51页 |
| 5.4 实验结果分析 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |