基于变长序列的虚拟资产在线异常发现研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-17页 |
| 第二章 相关技术研究 | 第17-25页 |
| 2.1 数据流挖掘概述 | 第17-22页 |
| 2.1.1 数据流及其特点 | 第17-18页 |
| 2.1.2 数据流常用处理模型 | 第18-20页 |
| 2.1.3 数据流分析技术主要研究内容 | 第20-22页 |
| 2.1.4 小结 | 第22页 |
| 2.2 异常发现技术 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于数据流的虚拟资产异常发现框架 | 第25-37页 |
| 3.1 基于数据流的在线异常发现框架 | 第25-26页 |
| 3.2 在线分析模块 | 第26-33页 |
| 3.2.1 数据概要的提取 | 第26-30页 |
| 3.2.2 用户当前行为模式的提取 | 第30-31页 |
| 3.2.3 行为模式的匹配 | 第31-33页 |
| 3.3 离线分析模块 | 第33-35页 |
| 3.3.1 数据库的选取与分析 | 第33-34页 |
| 3.3.2 正常行为模式和异常行为模式的提取 | 第34-35页 |
| 3.3.3 标签的调整 | 第35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于变长序列的虚拟资产在线异常发现 | 第37-49页 |
| 4.1 训练阶段 | 第37-43页 |
| 4.1.1 数据的预处理 | 第37-41页 |
| 4.1.2 正常行为模式提取 | 第41-42页 |
| 4.1.3 行为模式中每个序列的IDF值计算 | 第42-43页 |
| 4.2 检测阶段 | 第43-47页 |
| 4.2.1 变长序列生成 | 第43-45页 |
| 4.2.2 当前行为模式与正常行为模式匹配 | 第45页 |
| 4.2.3 判决值的计算 | 第45-47页 |
| 4.2.4 用户行为判决 | 第47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 算法的并行化实现及实验与分析 | 第49-65页 |
| 5.1 分布式计算框架简介与比较 | 第49-54页 |
| 5.2 算法的并行化实现与分析 | 第54-60页 |
| 5.2.1 算法并行化实现 | 第54-59页 |
| 5.2.2 算法性能分析 | 第59-60页 |
| 5.3 实验与分析 | 第60-63页 |
| 5.4 本章小结 | 第63-65页 |
| 结束 语 | 第65-67页 |
| 工作总结 | 第65-66页 |
| 工作展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者在学期间取得的学术成果 | 第73页 |
| 发表的学术论文 | 第73页 |
| 研究成果 | 第73页 |
