摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
符号对照表 | 第12-13页 |
缩略语对照表 | 第13-17页 |
第一章 绪论 | 第17-25页 |
1.1 研究背景与选题意义 | 第17页 |
1.2 网络流量异常检测与数据挖掘 | 第17-19页 |
1.2.1 网络流量异常检测概述 | 第17-18页 |
1.2.2 数据挖掘技术概述 | 第18-19页 |
1.3 国内外研究现状 | 第19-21页 |
1.4 论文主要研究内容以及贡献 | 第21-22页 |
1.5 论文组织结构 | 第22-25页 |
第二章 混合式基于近似Markov blanket的特征选择算法 | 第25-39页 |
2.1 问题描述 | 第25页 |
2.2 特征选择算法相关研究介绍 | 第25-26页 |
2.3 特征相关性与冗余性研究 | 第26-30页 |
2.3.1 特征相关性分析 | 第26-27页 |
2.3.2 特征相关性度量 | 第27-28页 |
2.3.3 特征冗余性分析 | 第28-29页 |
2.3.4 特征冗余性度量 | 第29-30页 |
2.4 混合式基于近似Markov blanket的特征选择算法 | 第30-35页 |
2.4.1 近似Markov blanket去冗余缺陷分析 | 第30-31页 |
2.4.2 混合式特征选择算法 | 第31-34页 |
2.4.3 算法复杂度分析 | 第34-35页 |
2.5 实验及结果分析 | 第35-38页 |
2.5.1 实验准备 | 第35页 |
2.5.2 实验结果分析 | 第35-38页 |
2.6 本章小结 | 第38-39页 |
第三章 基于决策树的快速P2P流量识别技术研究 | 第39-49页 |
3.1 P2P流量识别研究现状 | 第39-40页 |
3.2 P2P业务流量研究 | 第40-44页 |
3.2.1 P2P流量中UDP协议占比分析 | 第40-41页 |
3.2.2 P2P节点协作分析 | 第41-42页 |
3.2.3 P2P应用数据包负载长度分布特征 | 第42-43页 |
3.2.4 UDP端口启发式特征 | 第43-44页 |
3.3 决策树分类算法研究 | 第44-45页 |
3.4 仿真实验与分析 | 第45-48页 |
3.4.1 实验环境 | 第45页 |
3.4.2 实验数据与特征描述 | 第45-46页 |
3.4.3 实验与结果分析 | 第46-48页 |
3.5 本章小结 | 第48-49页 |
第四章 网络流量异常行为分析及分类检测 | 第49-67页 |
4.1 常见异常流量介绍 | 第49-51页 |
4.1.1 端口扫描类异常流量 | 第49-50页 |
4.1.2 DoS/DDoS攻击异常流量 | 第50-51页 |
4.2 异常流量行为特征研究 | 第51-60页 |
4.2.1 单包流数目统计分析 | 第52-53页 |
4.2.2 协议对称性分析 | 第53-55页 |
4.2.3 RST数据包统计分析 | 第55-56页 |
4.2.4 服务率分析 | 第56-57页 |
4.2.5 TTL值异常分析 | 第57-58页 |
4.2.6 熵值分析 | 第58-60页 |
4.3 AdaBoost分类算法研究 | 第60-62页 |
4.4 实验与结果分析 | 第62-65页 |
4.4.1 实验数据与特征描述 | 第62-63页 |
4.4.2 实验结果分析 | 第63-65页 |
4.5 本章小结 | 第65-67页 |
第五章 基于数据挖掘的网络流量异常检测系统的实现 | 第67-81页 |
5.1 网络流量异常检测系统总体设计架构 | 第67-69页 |
5.1.1 系统的设计目标 | 第67页 |
5.1.2 系统总体设计方案 | 第67-68页 |
5.1.3 软件技术架构 | 第68-69页 |
5.2 模块实现过程 | 第69-77页 |
5.2.1 流量采集与解析模块实现 | 第69-72页 |
5.2.2 数据存储模块实现 | 第72-73页 |
5.2.3 特征提取引擎模块实现 | 第73-75页 |
5.2.4 异常流量分类模块实现 | 第75-77页 |
5.3 系统性能测试与分析 | 第77-80页 |
5.3.1 测试环境搭建与模块部署 | 第77-78页 |
5.3.2 系统性能测试及分析 | 第78-80页 |
5.4 本章小结 | 第80-81页 |
第六章 总结与展望 | 第81-83页 |
6.1 总结 | 第81页 |
6.2 展望 | 第81-83页 |
参考文献 | 第83-89页 |
致谢 | 第89-91页 |
作者简介 | 第91-92页 |