基于时间序列的海量网络流量分析系统的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的及现状 | 第10-11页 |
| 1.3 论文结构 | 第11-13页 |
| 第二章 相关技术研究综述 | 第13-25页 |
| 2.1 引言 | 第13页 |
| 2.2 大数据处理技术的研究 | 第13-17页 |
| 2.2.1 大数据处理技术概述 | 第13-16页 |
| 2.2.2 实时流处理技术概述 | 第16-17页 |
| 2.3 分布式消息系统Kafka | 第17-19页 |
| 2.4 分布式流处理平台Storm | 第19-22页 |
| 2.4.1 Storm平台主要特性介绍 | 第19-20页 |
| 2.4.2 Storm平台主要组件介绍 | 第20-22页 |
| 2.5 非关系型数据库Hbase | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 异常流量监测算法 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 网络流量和时间序列的关系 | 第25-26页 |
| 3.2.1 时间序列分析简介 | 第25-26页 |
| 3.2.2 网络流量的时间序列分析 | 第26页 |
| 3.3 时间序列的异常值检测法 | 第26-29页 |
| 3.3.1 格拉布斯异常值检测法 | 第26-28页 |
| 3.3.2 时间序列的K近邻算法 | 第28-29页 |
| 3.4 实时网络流量的KNN-GRUBBS法 | 第29-31页 |
| 3.5 算法合理性验证 | 第31-37页 |
| 3.5.1 KNN-GRUBBS算法合理性验证 | 第31-32页 |
| 3.5.2 网络流量数据正态性检验 | 第32-35页 |
| 3.5.3 KNN-Grubbs检测法正确性检验 | 第35-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 异常流量实时监控系统设计 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 异常流量实时监控系统 | 第39-43页 |
| 4.2.1 数据采集模块 | 第39-41页 |
| 4.2.2 数据处理模块 | 第41页 |
| 4.2.3 数据存储模块 | 第41-42页 |
| 4.2.4 完整系统架构 | 第42-43页 |
| 4.3 关键技术介绍 | 第43-49页 |
| 4.3.1 Kafka性能测试 | 第43-44页 |
| 4.3.2 Kafka与Storm的连接 | 第44-45页 |
| 4.3.3 Zookeeper集群配置 | 第45-46页 |
| 4.3.4 Storm集群配置 | 第46-47页 |
| 4.3.5 Storm性能优化 | 第47-48页 |
| 4.3.6 Storm拓扑设计 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 异常流量实时监控系统数据分析 | 第51-59页 |
| 5.1 引言 | 第51页 |
| 5.2 数据来源 | 第51-54页 |
| 5.3 主机流量分析 | 第54-55页 |
| 5.4 企业网流量分析 | 第55-56页 |
| 5.4.1 企业网流量参数计算 | 第55页 |
| 5.4.2 企业网流量数据分析 | 第55-56页 |
| 5.5 设计目标综述 | 第56-57页 |
| 5.6 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文工作总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
