| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 背景及意义 | 第8-9页 |
| 1.2 课题研究现状 | 第9-10页 |
| 1.3 论文的主要工作与内容安排 | 第10-12页 |
| 第2章 基于Kubernetes的分布式训练环境 | 第12-29页 |
| 2.1 容器技术 | 第12-14页 |
| 2.1.1 镜像 | 第12-13页 |
| 2.1.2 容器 | 第13页 |
| 2.1.3 仓库 | 第13-14页 |
| 2.2 Kubernetes容器编排技术 | 第14-16页 |
| 2.2.1 系统架构 | 第15-16页 |
| 2.2.2 Pod | 第16页 |
| 2.2.3 Service | 第16页 |
| 2.2.4 Node | 第16页 |
| 2.3 在Kubernetes运行Tensor Flow | 第16-29页 |
| 2.3.1 分布式Tensor Flow | 第16-18页 |
| 2.3.2 分布式训练模式 | 第18-23页 |
| 2.3.3 在Kubernetes上构建Tensor Flow集群 | 第23-29页 |
| 第3章 基于深度学习的DDoS检测算法 | 第29-39页 |
| 3.1 基于传统机器学习的DDoS检测 | 第29-30页 |
| 3.2 基于深度学习的DDoS检测 | 第30-39页 |
| 3.2.1 时间序列数据 | 第30-32页 |
| 3.2.2 LSTM模型 | 第32-34页 |
| 3.2.3 权重更新 | 第34-39页 |
| 第4章 系统设计与实验结果 | 第39-67页 |
| 4.1 数据集预处理 | 第39-40页 |
| 4.2 模型参数 | 第40-49页 |
| 4.2.1 实验结果 | 第41-49页 |
| 4.3 容器化训练 | 第49-60页 |
| 4.3.1 镜像制作 | 第49-50页 |
| 4.3.2 实验结果 | 第50-60页 |
| 4.4 多实例分布式训练 | 第60-63页 |
| 4.4.1 实验设置 | 第60-61页 |
| 4.4.2 实验结果 | 第61-63页 |
| 4.5 预防DDoS攻击 | 第63-65页 |
| 4.6 本章小结 | 第65-67页 |
| 第5章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |