| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 论文研究背景与研究意义 | 第10-12页 |
| 1.2 国内外对异常流检测的研究现状 | 第12-13页 |
| 1.3 论文主要研究内容与结构 | 第13-15页 |
| 第二章 相关理论及基础算法研究 | 第15-32页 |
| 2.1 信息增益和信息增益率 | 第15-18页 |
| 2.2 决策树分类算法分析 | 第18-24页 |
| 2.2.1 决策树算法概述 | 第18-20页 |
| 2.2.2 分裂属性选择 | 第20-21页 |
| 2.2.3 常见的几种决策树分类算法 | 第21-24页 |
| 2.3 Boosting算法研究 | 第24-26页 |
| 2.4 AdaBoost分类算法研究 | 第26-28页 |
| 2.4.1 AdaBoost算法概述 | 第26-27页 |
| 2.4.2 AdaBoost分类器构建过程 | 第27-28页 |
| 2.5 随机森林算法研究 | 第28-31页 |
| 2.5.1 随机森林概述 | 第28-29页 |
| 2.5.2 随机森林的泛化误差估计 | 第29-30页 |
| 2.5.3 随机森林的特点 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于AdaBoost群_C4.5的网络异常流检测算法 | 第32-56页 |
| 3.1 网络数据流分析 | 第32-48页 |
| 3.1.1 正常流的传输特征 | 第32-38页 |
| 3.1.2 异常流的传输特征 | 第38-45页 |
| 3.1.3 正常流与异常流对比 | 第45-46页 |
| 3.1.4 网络流属性数据提取 | 第46-48页 |
| 3.2 AdaBoost群_C4.5算法设计 | 第48-54页 |
| 3.2.1 算法思想 | 第48-50页 |
| 3.2.2 算法的输入的处理 | 第50-52页 |
| 3.2.3 算法性能分析 | 第52-54页 |
| 3.3 基于AdaBoost群_C4.5的异常流检测实现步骤 | 第54-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 异常流检测原型系统的设计与实现 | 第56-75页 |
| 4.1 异常流检测原型系统设计 | 第56-61页 |
| 4.1.1 系统模型设计 | 第56-57页 |
| 4.1.2 数据库存储设计 | 第57-59页 |
| 4.1.3 数据结构设计 | 第59-61页 |
| 4.2 仿真与数据提取模块 | 第61-64页 |
| 4.3 数据预处理模块 | 第64-66页 |
| 4.3.1 字符串类型的数值化处理 | 第65-66页 |
| 4.4 样本集和属性集的划分模块 | 第66-68页 |
| 4.5 属性离散化模块 | 第68-70页 |
| 4.6 AdaBoost构造模块 | 第70-73页 |
| 4.6.1 弱分类器的构造 | 第72-73页 |
| 4.7 异常流判定模块 | 第73-74页 |
| 4.8 本章小结 | 第74-75页 |
| 第五章 实验与分析 | 第75-83页 |
| 5.1 实验环境搭建 | 第75-76页 |
| 5.2 实验数据 | 第76-78页 |
| 5.3 实验结果分析 | 第78-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 论文总结 | 第83-84页 |
| 6.2 工作展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-88页 |