基于抽样流的网络流量异常检测技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-19页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 网络流量抽样技术现状 | 第14-15页 |
| 1.2.2 流量异常检测技术现状 | 第15-17页 |
| 1.3 研究内容和目的 | 第17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 2 相关技术 | 第19-30页 |
| 2.1 网络流量抽样技术 | 第19-21页 |
| 2.1.1 分组抽样 | 第19-20页 |
| 2.1.2 流抽样 | 第20页 |
| 2.1.3 基于概要数据结构抽样 | 第20-21页 |
| 2.2 布鲁姆过滤器 | 第21-23页 |
| 2.2.1 标准布鲁姆过滤器 | 第21-23页 |
| 2.2.2 计数型布鲁姆过滤器 | 第23页 |
| 2.3 流量异常检测技术 | 第23-29页 |
| 2.3.1 流量异常原因 | 第24-27页 |
| 2.3.2 基于阈值的异常检测 | 第27页 |
| 2.3.3 基于统计分析的异常检测 | 第27-28页 |
| 2.3.4 基于机器学习的异常检测 | 第28页 |
| 2.3.5 基于数据挖掘的异常检测 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于超时策略的大小流公平抽样改进方法 | 第30-40页 |
| 3.1 基于大小流的公平抽样算法 | 第30-32页 |
| 3.2 改进的大小流公平抽样算法 | 第32-37页 |
| 3.2.1 流量超时策略 | 第32-33页 |
| 3.2.2 抽样概率函数的优化 | 第33-34页 |
| 3.2.3 基于超时策略的大小流的公平抽样算法 | 第34-37页 |
| 3.3 实验结果与分析 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 基于信息熵聚类的流量异常检测方法 | 第40-58页 |
| 4.1 信息熵 | 第40-42页 |
| 4.1.1 信息熵定义 | 第40页 |
| 4.1.2 流量异常检测中的信息熵 | 第40-42页 |
| 4.2 基于样本增长比的模糊C均值聚类算法 | 第42-51页 |
| 4.2.1 模糊C均值聚类 | 第42-43页 |
| 4.2.2 密度峰值聚类 | 第43-46页 |
| 4.2.3 基于密度比例的密度峰值算法及其缺陷 | 第46-48页 |
| 4.2.4 基于样本增长比的模糊C均值聚类算法 | 第48-51页 |
| 4.3 基于信息熵聚类的流量异常检测 | 第51页 |
| 4.4 实验结果与分析 | 第51-57页 |
| 4.4.1 异常流量信息熵的变化 | 第51-55页 |
| 4.4.2 算法性能分析 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 流量异常检测系统设计与实现 | 第58-66页 |
| 5.1 系统架构与功能特性 | 第58-61页 |
| 5.1.1 流量采集模块 | 第58-59页 |
| 5.1.2 流量抽样模块 | 第59-60页 |
| 5.1.3 信息熵计算模块 | 第60-61页 |
| 5.1.4 聚类及异常检测模块 | 第61页 |
| 5.2 实验环境与数据集 | 第61-62页 |
| 5.3 性能测试 | 第62-65页 |
| 5.3.1 数据抽样模块性能测试 | 第62-63页 |
| 5.3.2 信息熵计算模块性能测试 | 第63-64页 |
| 5.3.3 聚类及异常检测模块性能测试 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 结论与展望 | 第66-68页 |
| 6.1 本文总结 | 第66-67页 |
| 6.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
