全文总字数：5154字

1. 研究目的与意义及国内外研究现状

选题的目的：

随着互联网技术的发展，“大数据”时代应运而生。当设备通过不断的连接传输数据时，由于防护措施的不到位，会导致在传输过程中部分数据泄露，从而对个人乃至整个国家造成巨大损失。随着联网设备的不断增加，网络系统会变得愈加脆弱，这给了入侵者可乘之机，他们窃取机密数据、用户隐私，商业秘密。尽管人们已经尽力地去保护他们重要的信息，但由于网络系统的复杂性以及攻击手段的丰富性，网络攻击事件还是不断发生。鉴于这些情况，在入侵检测系统中使用神经网络算法能够有效缓解这些问题。深层卷积神经网络具有良好的泛化性，对于高维数据计算效率高，分类效果好。结合卷积神经网络的这些特性，本研究的目的在于构建出一个性能优良的深层卷积神经网络模型来用于大规模入侵检测，并比对其他入侵检测算法，对卷积神经网络模型进行评估。

选题的意义：

2. 研究的基本内容

1.掌握卷积神经网络的原理：卷积神经网络是将预处理数据通过卷积核进行卷积操作然后提取特征值，再将特征值进行卷积操作得到特征值的特征值，然后进行归一化处理，再通过池化层降低特征图的维度，最后根据结果进行分类。

2.理解入侵检测算法的评价方法：入侵检测就是对入侵行为的发觉，通过对计算机网络或计算机系统中若干关键点收集信息并对其进行分析，从中发现网络或系统中是否有违反安全策略的行为和被攻击的迹象。通常入侵检测算法的评价方法有三个标准：准确性，检测率和误报率。通过这三个标准来检验本文的算法是否有它的优越性。

3.实现使用卷积神经网络的大规模入侵检测：实验首先将kdd99数据集中的部分入侵数据预处理，然后通过多次卷积操作得到特征值，将特征值归一化后进行池化操作降低特征值维度，最后进行分类。

3. 实施方案、进度安排及预期效果

实行方案：使用matlab 2017来编写训练卷积神经网络，使用kdd99中的部分数据集进行神经网络的训练和实验。进度安排：

研究周期：2019年1月12日至2019年4月26日；

4. 参考文献

[1] 周飞燕, 金林鹏, 董军. cnn研究综述[j]. 计算机学报, 2017(6).

[2] 马瑜璠. 深度学习研究综述[j]. 读书文摘, 2017(6).