基于分层特征与深度学习的入侵检测研究与应用

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 研究内容

1.4 论文组织结构

第二章 相关理论与技术

2.1 入侵检测系统

2.1.1 入侵检测系统概述

2.1.2 入侵检测分类

2.1.3 入侵检测存在的问题

2.2 深度学习

2.2.1 深度学习概述

2.2.2 深度学习模型

2.3 本章小结

第三章 基于深度结构的特征提取方法研究

3.1 传统的特征提取算法

3.1.1 PCA方法

3.1.2 信息增益方法

3.2 基于自编码器的特征提取方法

3.2.1 常见的自编码器

3.2.2 自编码器特征提取方法

3.3 实验与结果分析

3.3.1 实验环境

3.3.2 实验数据集介绍

3.3.3 数据集预处理

3.3.4 实验评估指标

3.3.5 自编码器特征提取模型参数研究

3.3.6 自编码器和传统特征提取方法实验对比

3.4 本章小结

第四章 基于1D-CNN的入侵检测方法研究

4.1 模型设计

4.1.1 模型框架

4.1.2 一维卷积神经网络入侵检测模型

4.1.3 模型优化

4.2 实验与对比分析

4.2.1 参数设置

4.2.2 结构分析

4.2.3 损失函数实验分析

4.2.4 传统方法对比分析

4.3 本章小结

第五章 基于分层特征的深度学习入侵检测模型

5.1 模型设计

5.1.1 模型框架

5.1.2 数据预处理模块

5.1.3 特征提取降维模块

5.1.4 分层特征学习模块

5.2 实验测试结果分析

5.2.1 实验环境与评估指标

5.2.2 实验参数设置

5.2.3 模型训练

5.3 基于分层特征的入侵检测方法的态势感知系统应用

5.3.1 网络态势感知系统

5.3.2 态势感知系统中的入侵检测

5.3.3 实验分析

5.4 本章小结

第六章 总结与展望

6.1 论文总结

6.2 未来展望

参考文献

个人简历 在读期间发表的学术论文

致谢