| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 异常检测技术研究现状 | 第11-13页 |
| 1.2.2 流式实时计算研究现状 | 第13-14页 |
| 1.3 本文主要研究工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 相关理论与技术研究 | 第16-29页 |
| 2.1 异常检测概述 | 第16-19页 |
| 2.1.1 异常基本概念 | 第16-17页 |
| 2.1.2 基于统计理论的异常检测 | 第17页 |
| 2.1.3 基于最近邻的异常检测 | 第17-19页 |
| 2.2 聚类分析概述 | 第19-21页 |
| 2.2.1 常见聚类方法 | 第19-20页 |
| 2.2.2 基于密度的聚类算法 | 第20-21页 |
| 2.3 流式数据异常检测处理 | 第21-24页 |
| 2.3.1 流式数据定义及特征 | 第21-22页 |
| 2.3.2 流式数据模型 | 第22-24页 |
| 2.3.3 数据流概要数据结构生成算法 | 第24页 |
| 2.4 Apache Flink流式计算框架 | 第24-28页 |
| 2.4.1 Flink基本架构 | 第25-26页 |
| 2.4.2 Flink组件栈 | 第26-27页 |
| 2.4.3 Flink调度机制 | 第27-28页 |
| 2.4.4 Backpressure监控 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于DME算法的实时日志流异常检测 | 第29-52页 |
| 3.1 基于聚类分析的日志流异常检测模型 | 第29-30页 |
| 3.2 日志流预处理 | 第30-36页 |
| 3.2.1 日志事件序列化 | 第30-33页 |
| 3.2.2 文本日志数值化 | 第33-34页 |
| 3.2.3 LLCA无损压缩算法描述 | 第34-36页 |
| 3.3 基于DME聚类算法的日志流异常检测 | 第36-44页 |
| 3.3.1 聚类算法面临的挑战 | 第36-37页 |
| 3.3.2 DME算法描述 | 第37-43页 |
| 3.3.3 基于DME聚类分析的日志流异常检测 | 第43-44页 |
| 3.4 实验与分析 | 第44-51页 |
| 3.4.1 实验环境与数据集 | 第44-47页 |
| 3.4.2 评价指标 | 第47-48页 |
| 3.4.3 基于KDD CUP-99 实验结果与分析 | 第48-50页 |
| 3.4.4 基于ssh用户登入日志实验结果与分析 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 海量日志流实时异常检测系统设计与实现 | 第52-60页 |
| 4.1 DME-MLRADS总体设计 | 第52-57页 |
| 4.1.1 日志发布-订阅模块 | 第52-53页 |
| 4.1.2 实时计算模块 | 第53-55页 |
| 4.1.3 监控模块 | 第55-57页 |
| 4.2 实验结果与分析 | 第57-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本工作总结 | 第60页 |
| 5.2 未来展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68-69页 |
| 详细摘要 | 第69-71页 |