入侵检测数据分类模型PCANN
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·入侵检测研究现状 | 第10-12页 |
| ·国内研究情况和进展 | 第12-13页 |
| ·研究出发点和目标 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第2章 入侵检测技术 | 第15-23页 |
| ·入侵检测概述 | 第15-16页 |
| ·入侵检测定义 | 第15页 |
| ·入侵检测系统构成 | 第15-16页 |
| ·入侵检测系统分类 | 第16-17页 |
| ·入侵检测中的检测方法 | 第17-19页 |
| ·入侵检测技术的改进 | 第19-21页 |
| ·入侵检测的发展趋势 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第3章 神经网络和主成分 | 第23-30页 |
| ·神经网络概述 | 第23页 |
| ·神经网络在入侵检测中的应用 | 第23-26页 |
| ·神经网络作为新型的智能技术,具有如下优点 | 第23-24页 |
| ·将神经网络引入入侵检测的原因 | 第24页 |
| ·神经网络应用于入侵检测的优势 | 第24-25页 |
| ·基于神经网络的入侵检测研究现状 | 第25页 |
| ·神经网络应用于入侵检测系统中存在的问题 | 第25-26页 |
| ·主分成分析原理 | 第26-28页 |
| ·主成分概述 | 第26页 |
| ·主成分基本思想 | 第26-27页 |
| ·主成分计算步骤 | 第27-28页 |
| ·TCP/IP协议结构 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第4章 PCANN模型 | 第30-40页 |
| ·模型设计 | 第30-31页 |
| ·引入主成分的原因 | 第30-31页 |
| ·实验数据源 | 第31-35页 |
| ·实验数据简介以及属性划分 | 第31-34页 |
| ·划分类空间的原因 | 第34页 |
| ·划分类空间考虑的问题 | 第34-35页 |
| ·神经网络分类器 | 第35-36页 |
| ·实验结果及其分析 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第5章 结束语 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 攻读硕士学位期间发表论文情况 | 第43-44页 |
| 致谢 | 第44页 |
