面向云计算环境的异常检测技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 云计算环境安全研究现状 | 第12-14页 |
| 1.2.2 云计算环境异常检测技术研究现状 | 第14-15页 |
| 1.3 研究目标和主要内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 相关工作 | 第17-27页 |
| 2.1 云计算概述 | 第17-18页 |
| 2.2 云计算环境异常检测技术 | 第18-21页 |
| 2.2.1 云计算环境入侵方式 | 第18-19页 |
| 2.2.2 云计算环境异常检测设计需求 | 第19页 |
| 2.2.3 云计算环境异常检测系统 | 第19-21页 |
| 2.3 针对大样本数据的优化降维技术 | 第21-24页 |
| 2.3.1 主成分分析(PCA)技术 | 第21-23页 |
| 2.3.2 独立成分分析(ICA)技术 | 第23-24页 |
| 2.4 云计算环境异常响应技术 | 第24-26页 |
| 2.4.1 响应决策技术 | 第25页 |
| 2.4.2 自适应响应技术 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 云计算环境异常检测算法关键技术研究 | 第27-54页 |
| 3.1 BP神经网络简述 | 第27-30页 |
| 3.1.1 BP神经网络算法 | 第27-29页 |
| 3.1.2 梯度下降算法 | 第29-30页 |
| 3.2 基于影响补偿因子的样本差异均衡方法 | 第30-39页 |
| 3.2.1 问题的提出 | 第30-31页 |
| 3.2.2 基于影响补偿因子的样本差异均衡方法 | 第31-33页 |
| 3.2.3 实验及性能分析 | 第33-39页 |
| 3.3 基于改进模拟退火的BP神经网络算法 | 第39-49页 |
| 3.3.1 问题的提出 | 第39-40页 |
| 3.3.2 模拟退火算法及其不足 | 第40-43页 |
| 3.3.3 两阶段优化的改进模拟退火算法 | 第43-46页 |
| 3.3.4 实验及能分析 | 第46-49页 |
| 3.4 基于交叉分组的改进BP神经网络算法 | 第49-53页 |
| 3.4.1 问题的提出 | 第49-50页 |
| 3.4.2 基于交叉分组的BP算法 | 第50页 |
| 3.4.3 动态自适应学习速率 | 第50-52页 |
| 3.4.4 实验及性能分析 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 4 云计算环境异常检测模型设计与实现 | 第54-69页 |
| 4.1 模型整体架构 | 第54-55页 |
| 4.2 模块功能特性 | 第55-61页 |
| 4.2.1 数据处理模块 | 第55-57页 |
| 4.2.2 异常检测模块 | 第57-59页 |
| 4.2.3 异常响应模块 | 第59-61页 |
| 4.3 性能测试与分析 | 第61-68页 |
| 4.3.1 实验环境 | 第61页 |
| 4.3.2 实验数据集及数据处理 | 第61-66页 |
| 4.3.3 实验结果及性能分析 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 5 结论与展望 | 第69-71页 |
| 5.1 结论 | 第69-70页 |
| 5.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第74-76页 |
| 学位论文数据集 | 第76页 |
