| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 主要符号对照表 | 第10-11页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 论文的研究内容 | 第12-14页 |
| 1.3 论文的主要贡献 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第2章 相关研究综述 | 第17-33页 |
| 2.1 本章引言 | 第17页 |
| 2.2 网络流量异常检测概述 | 第17-20页 |
| 2.3 网络流量测度特征 | 第20-26页 |
| 2.3.1 基于计数值的网络流量异常检测 | 第21-22页 |
| 2.3.2 基于熵的网络流量异常检测 | 第22-25页 |
| 2.3.3 基于其它流量测度特征的流量异常检测 | 第25-26页 |
| 2.4 流量异常检测方法 | 第26-32页 |
| 2.4.1 基于流的网络流量异常检测 | 第26-29页 |
| 2.4.2 基于分布式计算的网络流量异常检测 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于分布式计算的流量异常检测模型 | 第33-46页 |
| 3.1 本章引言 | 第33页 |
| 3.2 流量异常检测模型框架 | 第33-34页 |
| 3.3 流量测度特征的分布式计算模型 | 第34-43页 |
| 3.3.1 流特征的表达 | 第35-36页 |
| 3.3.2 流特征的基本操作 | 第36-40页 |
| 3.3.3 基于MapReduce的流量测度特征计算模型 | 第40-42页 |
| 3.3.4 基于Spark的流量测度特征计算模型 | 第42-43页 |
| 3.4 基于流量测度特征的异常检测模型 | 第43-45页 |
| 3.4.1 基于流量测度特征的检测方法 | 第44页 |
| 3.4.2 基于流量度量异常检测框架 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 双参数Tsallis熵及其网络流量异常检测方法 | 第46-65页 |
| 4.1 本章引言 | 第46页 |
| 4.2 DTE熵 | 第46-51页 |
| 4.2.1 Tsallis熵特性 | 第46-49页 |
| 4.2.2 DTE熵 | 第49-51页 |
| 4.3 基于DTE熵的网络流量异常检测方法 | 第51-53页 |
| 4.3.1 检测方法 | 第51页 |
| 4.3.2 常见攻击检测 | 第51-53页 |
| 4.3.3 基于DTE熵的异常分类 | 第53页 |
| 4.4 基于Hadoop和DTE熵的流量异常检测方法实现 | 第53-60页 |
| 4.4.1 熵值计算 | 第54-56页 |
| 4.4.2 自动训练 | 第56-57页 |
| 4.4.3 离线检测 | 第57页 |
| 4.4.4 在线检测 | 第57-60页 |
| 4.5 实验及结果分析 | 第60-63页 |
| 4.5.1 实验环境 | 第60页 |
| 4.5.2 实验数据 | 第60页 |
| 4.5.3 检测过程 | 第60-61页 |
| 4.5.4 性能对比 | 第61-62页 |
| 4.5.5 流量异常分类 | 第62-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 可调节分段熵及其网络流量异常检测方法 | 第65-88页 |
| 5.1 本章引言 | 第65页 |
| 5.2 基于传统熵进行检测存在的问题 | 第65-68页 |
| 5.2.1 流数剧烈变化对熵值的影响 | 第66页 |
| 5.2.2 异常流量规模对熵值的影响 | 第66页 |
| 5.2.3 混合异常对熵值的影响 | 第66-68页 |
| 5.3 可调节分段熵 | 第68-73页 |
| 5.3.1 APE模式 | 第68-69页 |
| 5.3.2 APE参数 | 第69页 |
| 5.3.3 APSE | 第69-71页 |
| 5.3.4 APSE检测敏感性分析 | 第71-72页 |
| 5.3.5 基于APSE的解决方案 | 第72-73页 |
| 5.4 基于APSE的网络流量异常检测方法 | 第73-76页 |
| 5.4.1 检测算法 | 第74-75页 |
| 5.4.2 基于APSE的异常分类 | 第75-76页 |
| 5.5 基于Hadoop的APSE实现 | 第76-78页 |
| 5.6 实验及结果分析 | 第78-86页 |
| 5.6.1 实验环境 | 第78-80页 |
| 5.6.2 实验数据 | 第80页 |
| 5.6.3 传统熵问题解决验证 | 第80页 |
| 5.6.4 检测性能对比 | 第80-84页 |
| 5.6.5 实际流量检测 | 第84-86页 |
| 5.7 本章小结 | 第86-88页 |
| 第6章 有效流特征实例对及其流量异常检测和分类方法 | 第88-104页 |
| 6.1 本章引言 | 第88页 |
| 6.2 CEFF | 第88-92页 |
| 6.2.1 EFF | 第88-91页 |
| 6.2.2 检测算法 | 第91-92页 |
| 6.3 基于Spark和Spark Streaming的CEFF实现 | 第92-99页 |
| 6.3.1 基于Spark的离线检测实现 | 第93-94页 |
| 6.3.2 基于Spark Streaming的在线检测实现 | 第94-98页 |
| 6.3.3 基于CEFF的流量异常分类 | 第98-99页 |
| 6.3.4 EFFIP的其它应用 | 第99页 |
| 6.4 实验及结果分析 | 第99-102页 |
| 6.4.1 实验环境与数据 | 第99页 |
| 6.4.2 实验方法 | 第99页 |
| 6.4.3 实验结果 | 第99-101页 |
| 6.4.4 检测实例 | 第101-102页 |
| 6.5 本章小结 | 第102-104页 |
| 第7章 基于分布式计算的流量异常检测系统 | 第104-114页 |
| 7.1 本章引言 | 第104页 |
| 7.2 系统结构 | 第104-105页 |
| 7.3 流量采集转换模块 | 第105页 |
| 7.4 基于Hadoop的离线检测模块 | 第105-106页 |
| 7.5 基于Spark的离线检测模块 | 第106页 |
| 7.6 基于Spark Streaming的在线检测模块 | 第106-108页 |
| 7.7 基于Hive的查询模块 | 第108-112页 |
| 7.8 Web用户界面 | 第112-113页 |
| 7.9 本章小结 | 第113-114页 |
| 第8章 结论和展望 | 第114-117页 |
| 8.1 论文的主要结论 | 第114-116页 |
| 8.2 进一步的研究工作 | 第116-117页 |
| 参考文献 | 第117-125页 |
| 致谢 | 第125-127页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第127-128页 |
