| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题的研究背景及意义 | 第14-15页 |
| 1.1.1 课题研究的背景 | 第14页 |
| 1.1.2 课题研究的意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17页 |
| 1.4 章节结构安排 | 第17-19页 |
| 第二章 相关理论研究 | 第19-27页 |
| 2.1 自相似性的定义及相关概念 | 第19-22页 |
| 2.1.1 自相似性的产生背景 | 第19-20页 |
| 2.1.2 自相似性过程的定义 | 第20-22页 |
| 2.2 Hurst参数估算方法的研究 | 第22-26页 |
| 2.2.1 R/S方法 | 第22页 |
| 2.2.2 聚合方差分析法 | 第22-23页 |
| 2.2.3 周期图法 | 第23页 |
| 2.2.4 Whittle最大似然估计法 | 第23-24页 |
| 2.2.5 小波分析法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于DT-WA分析的DDoS攻击检测策略 | 第27-43页 |
| 3.1 Hurst参数估计算法的选择策略 | 第27-28页 |
| 3.1.1 Hurst参数估计算法的时间复杂度分析 | 第27-28页 |
| 3.1.2 不同Hurst参数估计算法估值精度分析 | 第28页 |
| 3.2 Hurst参数实时检测策略 | 第28-30页 |
| 3.3 小波系数的提取策略研究 | 第30-31页 |
| 3.4 小波基的选择策略 | 第31-33页 |
| 3.5 基于均值的动态阈值设定策略 | 第33-35页 |
| 3.6 实验仿真及结果分析 | 第35-42页 |
| 3.6.1 实验仿真参数设置及实验设计 | 第35-37页 |
| 3.6.2 实验结果及对比分析 | 第37-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 基于DBN-WA的DDoS攻击检测策略 | 第43-57页 |
| 4.1 深度信念网络 | 第43-47页 |
| 4.1.1 深度信念网络 | 第43-44页 |
| 4.1.2 受限玻尔兹曼机 | 第44-46页 |
| 4.1.3 BP神经网络的实现 | 第46-47页 |
| 4.2 基于DBN-WA的DDoS攻击检测 | 第47-50页 |
| 4.2.1 基于DBN-WA的DDoS攻击检测模型框架设计 | 第47页 |
| 4.2.2 源数据的预处理策略 | 第47-49页 |
| 4.2.3 基于模拟退火遗传算法的DBN训练策略 | 第49-50页 |
| 4.2.4 基于DT-WA的DDoS攻击检测策略 | 第50页 |
| 4.3 实验仿真及结果分析 | 第50-56页 |
| 4.3.1 实验仿真参数设置及实验设计 | 第50-52页 |
| 4.3.2 仿真实验结果 | 第52-55页 |
| 4.3.3 实验结果对比分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结和展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-64页 |
