| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 研究现状与发展趋势 | 第10-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 基本概念和技术背景 | 第14-26页 |
| 2.1 SDN网络架构 | 第14-17页 |
| 2.1.1 应用层 | 第14-15页 |
| 2.1.2 北向接口 | 第15页 |
| 2.1.3 控制层 | 第15-16页 |
| 2.1.4 南向接口 | 第16页 |
| 2.1.5 基础设施 | 第16-17页 |
| 2.2 OpenFlow技术 | 第17-20页 |
| 2.2.1 OpenFlow技术的发展史 | 第17页 |
| 2.2.2 OpenFlow技术的原理 | 第17-20页 |
| 2.3 Floodlight控制器 | 第20-22页 |
| 2.3.1 Floodlight控制架构 | 第20-21页 |
| 2.3.2 Floodlight模块分析 | 第21-22页 |
| 2.4 Open vSwitch和Mininet | 第22页 |
| 2.5 负载均衡技术 | 第22-23页 |
| 2.6 DDOS攻击检测技术 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 SDN网络下一种基于流量的服务器负载均衡技术 | 第26-40页 |
| 3.1 基于最大流速分析的非均衡判断方法 | 第26-28页 |
| 3.1.1 z分数 | 第26-27页 |
| 3.1.2 非均衡判断条件 | 第27-28页 |
| 3.2 基于一次指数平滑法的端口选择方法 | 第28-30页 |
| 3.2.1 一次指数平滑法 | 第28-29页 |
| 3.2.2 端口选择判断 | 第29-30页 |
| 3.3 模块实现 | 第30-32页 |
| 3.3.1 总体框架 | 第30-31页 |
| 3.3.2 ARP处理过程 | 第31-32页 |
| 3.3.3 TCP请求 | 第32页 |
| 3.4 实验设计与结果分析 | 第32-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 SDN网络下一种基于流量特征的DDOS攻击检测技术 | 第40-66页 |
| 4.1 支持向量机算法 | 第40-44页 |
| 4.1.1 最优分类超平面 | 第41页 |
| 4.1.2 线性可分SVM | 第41-43页 |
| 4.1.3 线性不可分SVM | 第43页 |
| 4.1.4 核函数 | 第43-44页 |
| 4.1.5 支持向量机的优缺点 | 第44页 |
| 4.2 k近邻算法 | 第44-46页 |
| 4.2.1 k近邻算法简介 | 第44-46页 |
| 4.2.2 k近邻算法的优缺点 | 第46页 |
| 4.3 SVM-KNN算法及改进 | 第46-55页 |
| 4.3.1 SVM-KNN算法的提出 | 第46-47页 |
| 4.3.2 SVM-KNN算法的实现 | 第47-48页 |
| 4.3.3 Relief算法简介 | 第48-49页 |
| 4.3.4 SVM-KNN算法的改进 | 第49-50页 |
| 4.3.5 实验与分析 | 第50-55页 |
| 4.4 SDN网络下的DDOS攻击检测技术方案 | 第55-58页 |
| 4.4.1 流量特征 | 第55-57页 |
| 4.4.2 SVM KNN改进算法的应用 | 第57-58页 |
| 4.5 实验设计与分析 | 第58-65页 |
| 4.5.1 实验模型 | 第58-60页 |
| 4.5.2 实验过程与分析 | 第60-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| 5.1 论文总结 | 第66-67页 |
| 5.2 后续工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录A 图索引 | 第72-74页 |
| Appendix A Figure Index | 第74-76页 |
| 附录B 表索引 | 第76-77页 |
| Appendix B Table Index | 第77-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间取得的成果 | 第79页 |