摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第9-14页 |
1.1 研究背景和意义 | 第9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 基于有监督学习的检测方法 | 第10页 |
1.2.2 基于无监督学习的检测方法 | 第10-11页 |
1.2.3 基于混合学习的检测方法 | 第11页 |
1.2.4 分析与总结 | 第11-12页 |
1.3 论文研究主要内容及创新点 | 第12-13页 |
1.4 论文组织结构 | 第13-14页 |
第二章 Domain-flux僵尸网络检测原理 | 第14-22页 |
2.1 Domain-flux僵尸网络工作原理 | 第14-16页 |
2.1.1 僵尸网络组成 | 第14页 |
2.1.2 僵尸网络的生命周期 | 第14-16页 |
2.1.3 Domain-flux的工作原理 | 第16页 |
2.2 DNS简介 | 第16-19页 |
2.2.1 DNS协议格式 | 第17-18页 |
2.2.2 DNS日志格式 | 第18-19页 |
2.3 Domain-flux僵尸网络检测原理 | 第19-21页 |
2.3.1 域名 | 第19-20页 |
2.3.2 DNS记录中的属性 | 第20-21页 |
2.3.3 发起查询的IP | 第21页 |
2.3.4 查询返回的IP | 第21页 |
2.4 本章小结 | 第21-22页 |
第三章 Domain-flux检测中相关数据挖掘算法的研究 | 第22-28页 |
3.1 领域相关算法对比 | 第22-24页 |
3.1.1 Domain-flux检测算法应用总结 | 第22页 |
3.1.2 算法对比 | 第22-24页 |
3.2 应用算法原理与性能分析 | 第24-27页 |
3.2.1 CART | 第24-25页 |
3.2.2 集成方法GBM | 第25-26页 |
3.2.3 K-means | 第26-27页 |
3.3 本章小结 | 第27-28页 |
第四章 基于混合方法的Domain-flux检测的设计与实现 | 第28-45页 |
4.1 需求分析 | 第28-29页 |
4.1.1 时效性 | 第28页 |
4.1.2 检测对象 | 第28-29页 |
4.2 特征提取 | 第29-33页 |
4.2.1 特征总结与分析 | 第29-32页 |
4.2.2 特征选择 | 第32-33页 |
4.3 混合检测方法的设计 | 第33-40页 |
4.3.1 改进动机 | 第33-34页 |
4.3.2 检测方法的工作流程 | 第34-35页 |
4.3.3 基于有监督结果的K-means的初始化 | 第35-36页 |
4.3.4 K-means的改进 | 第36-40页 |
4.3.5 混合检测方法的调用过程 | 第40页 |
4.4 混合检测模型的实现 | 第40-43页 |
4.4.1 检测模型的工作流程 | 第40-43页 |
4.4.2 检测模型的部署方式 | 第43页 |
4.5 本章小结 | 第43-45页 |
第五章 混合检测模型的实验与分析 | 第45-52页 |
5.1 实验设置 | 第45-46页 |
5.1.1 实验环境与工具 | 第45页 |
5.1.2 实验数据 | 第45-46页 |
5.2 评价标准 | 第46-47页 |
5.2.1 混淆矩阵 | 第46页 |
5.2.2 评价指标 | 第46-47页 |
5.3 三个树家族分类算法应用于混合模型效果对比 | 第47-48页 |
5.3.1 实验步骤 | 第47页 |
5.3.2 实验结果 | 第47-48页 |
5.4 混合模型与K-means的检测效果比较 | 第48-49页 |
5.4.1 实验步骤 | 第48页 |
5.4.2 实验结果 | 第48-49页 |
5.5 混合模型与有监督方法的比较 | 第49-50页 |
5.5.1 实验步骤 | 第49页 |
5.5.2 实验结果 | 第49-50页 |
5.6 聚类模块时间复杂度的对比分析 | 第50-51页 |
5.6.1 聚类模块与其它K-means变体的时间复杂度对比分析 | 第50-51页 |
5.6.2 聚类模块与其它聚类算法的时间复杂度对比分析 | 第51页 |
5.7 本章小结 | 第51-52页 |
第六章 总结与展望 | 第52-53页 |
参考文献 | 第53-56页 |
致谢 | 第56-57页 |
附录 | 第57-60页 |
攻读学位期间发表的学术论文目录 | 第60页 |