| 摘要 | 第1-7页 |
| ABSTRACT | 第7-18页 |
| 第一章 绪论 | 第18-40页 |
| ·因特网简介 | 第18-27页 |
| ·因特网早期 | 第18-21页 |
| ·因特网的快速发展时期 | 第21-23页 |
| ·因特网的现在 | 第23-27页 |
| ·因特网进入社交网时代 | 第27-32页 |
| ·社会网络 | 第28页 |
| ·社交网络的发展 | 第28-31页 |
| ·因特网与社会网络的关系 | 第31-32页 |
| ·因特网安全研究方法 | 第32-37页 |
| ·基于防火墙的网络安全研究方法 | 第33-34页 |
| ·基于数据融合的网络态势感知研究方法 | 第34-36页 |
| ·基于复杂网络理论的网络安全研究方法 | 第36-37页 |
| ·本文的研究内容和结构安排 | 第37-40页 |
| 第二章 基于复杂理论的因特网模型研究 | 第40-60页 |
| ·复杂网络简介 | 第40-41页 |
| ·复杂网络的基本概念 | 第41-42页 |
| ·平均路径长度(average path length) | 第41页 |
| ·聚类系数(clustering coefficient) | 第41页 |
| ·度分布(degree distribution) | 第41-42页 |
| ·介数(betweenness centrality) | 第42页 |
| ·社团结构(Community structure) | 第42页 |
| ·因特网拓扑模型 | 第42-52页 |
| ·小世界网络 | 第42-45页 |
| ·无标度网络 | 第45-48页 |
| ·基于BA模型的因特网拓扑模型 | 第48-52页 |
| ·优化模型 | 第52-55页 |
| ·优化模型 | 第52-53页 |
| ·生态模型 | 第53页 |
| ·优化模型的实例 | 第53-55页 |
| ·传统复杂理论研究因特网模型存在的问题 | 第55-60页 |
| 第三章 社交网模型的理论基础 | 第60-84页 |
| ·开放的复杂巨系统理论 | 第60-63页 |
| ·系统和网络 | 第60页 |
| ·网络的网络是一种开放的特殊复杂系统 | 第60-61页 |
| ·从还原论到综合集成 | 第61-63页 |
| ·人类行为动力学 | 第63-67页 |
| ·人类行为的时间统计特性 | 第63-65页 |
| ·人类行为的空间统计特性 | 第65-66页 |
| ·群体性行为特性 | 第66-67页 |
| ·数学工具 | 第67-84页 |
| ·熵 | 第67-68页 |
| ·聚类k-means算法 | 第68-69页 |
| ·主成分分析 | 第69-71页 |
| ·非负矩阵分解 | 第71-79页 |
| ·回归计算 | 第79-84页 |
| 第四章 社交网的层析模型 | 第84-112页 |
| ·社交网的层析模型 | 第84-89页 |
| ·社交网络模型的提出 | 第84-85页 |
| ·层析模型是建立在行为之上的模型 | 第85-86页 |
| ·从还原论到综合集成 | 第86-89页 |
| ·数据采集 | 第89-93页 |
| ·NetFlow数据 | 第89-91页 |
| ·深度包检测技术 | 第91-93页 |
| ·流参量层析 | 第93-98页 |
| ·流参量的熵 | 第93-95页 |
| ·流参数的分类和聚类分析 | 第95-98页 |
| ·流参数的选择 | 第98页 |
| ·流图层析 | 第98-106页 |
| ·图的矩阵表示 | 第98-99页 |
| ·矩阵分解 | 第99-104页 |
| ·流图的聚类 | 第104-106页 |
| ·应用层层析 | 第106-111页 |
| ·邮件使用者的活性(活跃度) | 第106-107页 |
| ·建立邮件拓扑结构 | 第107-108页 |
| ·邮件行为的时间分析 | 第108页 |
| ·邮件行为的空间分析 | 第108-109页 |
| ·群体邮件交互分析(群活跃度) | 第109-110页 |
| ·邮件话题的活性 | 第110-111页 |
| ·小结 | 第111-112页 |
| 第五章 实例分析 | 第112-134页 |
| ·实验数据集及数据预处理 | 第112-115页 |
| ·流统计参数的幂率分布特性 | 第115-118页 |
| ·基于熵方法的流检测 | 第118-119页 |
| ·流图分析 | 第119-120页 |
| ·邮件网络分析 | 第120-125页 |
| ·邮件网络拓扑结构的分析 | 第120-123页 |
| ·邮件网络节点属性 | 第123-125页 |
| ·邮件话题的分析 | 第125-134页 |
| ·邮件主题的提取 | 第125-127页 |
| ·向量空间的构建 | 第127-131页 |
| ·邮件话题分析结果 | 第131-134页 |
| 第六章 基于层析的社交网络行为分析系统 | 第134-158页 |
| ·系统实现的初步构想 | 第134-141页 |
| ·网络安全生态系统开放性研究框架 | 第134-136页 |
| ·社交网络行为分析系统构架 | 第136-141页 |
| ·基于FPGA的正则表达式实现 | 第141-149页 |
| ·正则表达式简介 | 第141-143页 |
| ·正则表达式的FPGA常规实现 | 第143-145页 |
| ·基于双流水线的正则表达式FPGA实现 | 第145-147页 |
| ·性能测试 | 第147-149页 |
| ·基于GPU的数学算法实现 | 第149-157页 |
| ·CUDA简介 | 第149-152页 |
| ·k-means算法的GPU实现 | 第152-155页 |
| ·主成分分析的GPU实现 | 第155-156页 |
| ·非负矩阵分解的GPU实现 | 第156-157页 |
| ·小结 | 第157-158页 |
| 第七章 总结与展望 | 第158-162页 |
| ·总结 | 第158-159页 |
| ·工作创新和亮点 | 第159页 |
| ·展望 | 第159-162页 |
| 参考文献 | 第162-170页 |
| 附录1 PCAP文件格式 | 第170-173页 |
| 一、基本格式 | 第170页 |
| 二、文件头结构体 | 第170-171页 |
| 三、数据包头结构体 | 第171-173页 |
| 附录2 数学算法的Matlab实现 | 第173-175页 |
| 一、基于字典的非负矩阵分解 | 第173-174页 |
| 二、PCA方法 | 第174页 |
| 三、k-means算法 | 第174-175页 |
| 附录3 数学算法的GPU实现 | 第175-178页 |
| 一、PCA方法GPU实现流程 | 第175-176页 |
| 二、k-means算法GPU实现流程 | 第176-177页 |
| 三、NMF算法GPU实现流程 | 第177-178页 |
| 致谢 | 第178-180页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第180页 |
