| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·课题的背景与意义 | 第9-10页 |
| ·目前神经网络在入侵检测中的应用 | 第10-11页 |
| ·本论文的研究内容 | 第11-12页 |
| 第二章 入侵检测系统基础 | 第12-24页 |
| ·入侵检测技术基本概念 | 第12-13页 |
| ·入侵检测系统的组成 | 第13-14页 |
| ·入侵检测系统的分类 | 第14-15页 |
| ·入侵检测的技术和方法 | 第15-21页 |
| ·误用检测 | 第15-17页 |
| ·异常检测技术 | 第17-21页 |
| ·入侵检测技术面临的问题 | 第21-23页 |
| ·基于神经网络的 IDS 的优势 | 第23-24页 |
| ·本章小结 | 第24页 |
| 第三章 神经网络在入侵检测中的应用 | 第24-41页 |
| ·神经元模型 | 第24-25页 |
| ·神经网络结构及工作方式 | 第25-27页 |
| ·神经网络的学习方式 | 第27-29页 |
| ·BP 神经网络模型 | 第29-30页 |
| ·BP 算法 | 第30-38页 |
| ·BP 算法的基本思想 | 第30-31页 |
| ·BP 算法及其公式推导 | 第31-33页 |
| ·BP 算法的描述 | 第33-37页 |
| ·BP 算法存在的缺陷 | 第37-38页 |
| ·Levenberg--Marquardt 算法 | 第38-41页 |
| ·算法介绍 | 第38-39页 |
| ·完整的 Levenberg--Marquardt 算法 | 第39-41页 |
| ·本章小结 | 第41页 |
| 第四章 神经网络的 MATLAB 实现 | 第41-61页 |
| ·MATLAB 语言特点 | 第42页 |
| ·MATLAB 神经网络工具箱 | 第42-46页 |
| ·网络总体结构 | 第43-44页 |
| ·子对象结构 | 第44-45页 |
| ·函数 | 第45页 |
| ·函数参数 | 第45页 |
| ·权值利阑值 | 第45-46页 |
| ·基于 MATLAB 工具箱函数的入侵检测模型建立 | 第46-47页 |
| ·BP 神经网络的 MATLAB 实现 | 第47-52页 |
| ·BP 网络的建立 | 第48-50页 |
| ·网络训练及仿真 | 第50-52页 |
| ·图形用户界面(GUI) | 第52-61页 |
| ·建立 BP 前馈网络(Feed—forward back propagation) | 第53-56页 |
| ·训练、模拟网络 | 第56-59页 |
| ·导入和导出(Import and Export) | 第59-61页 |
| ·本章小结 | 第61页 |
| 第五章 基于 BP 的入侵检测系统设计与实现 | 第61-77页 |
| ·系统的结构 | 第61-66页 |
| ·系统的结构模块 | 第61-62页 |
| ·特征提取 | 第62-63页 |
| ·BP 分类器 | 第63-65页 |
| ·判定入侵或正常的门限制选取 | 第65-66页 |
| ·警报器和记录器 | 第66页 |
| ·BP 神经网络算法程序实现及测试 | 第66-73页 |
| ·BP 神经网络的结构设计 | 第67-69页 |
| ·BP 神经网络的收敛速度测试 | 第69-73页 |
| ·采用 LMBP 算法的入侵检测系统分析 | 第73-75页 |
| ·BP 神经网络的决策系统 | 第73-74页 |
| ·程序实现 | 第74-75页 |
| ·仿真实验及结果 | 第75-77页 |
| ·实验环境 | 第75-76页 |
| ·对已知入侵的仿真实验与结果分析 | 第76页 |
| ·对未知入侵的仿真实验及结果分析 | 第76-77页 |
| ·本章小结 | 第77页 |
| 第六章 论文总结及展望 | 第77-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 附录一 | 第86页 |
