| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第二章 相关理论及关键技术 | 第12-23页 |
| 2.1 网络异常流量概述 | 第12-14页 |
| 2.1.1 蠕虫病毒 | 第12页 |
| 2.1.2 分布式拒绝服务攻击 | 第12-13页 |
| 2.1.3 扫描攻击 | 第13-14页 |
| 2.2 网络流量异常检测方法分类 | 第14-16页 |
| 2.2.1 基于统计分析的异常检测方法 | 第14页 |
| 2.2.2 基于机器学习的异常检测方法 | 第14-15页 |
| 2.2.3 基于数据挖掘的异常检测方法 | 第15-16页 |
| 2.2.4 基于信号处理的异常检测方法 | 第16页 |
| 2.3 主成分分析法 | 第16-20页 |
| 2.3.1 PCA的概念 | 第16-17页 |
| 2.3.2 PCA的数学模型 | 第17-18页 |
| 2.3.3 PCA的步骤 | 第18-20页 |
| 2.4 小波变换 | 第20-22页 |
| 2.4.1 连续小波变换 | 第20页 |
| 2.4.2 离散小波变换 | 第20-21页 |
| 2.4.3 小波去燥 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于改进MSPCA的异常检测方法 | 第23-35页 |
| 3.1 传统MSPCA算法相关研究 | 第23-24页 |
| 3.1.1 传统MSPCA概述 | 第23-24页 |
| 3.1.2 传统MSPCA的缺陷 | 第24页 |
| 3.2 改进MSPCA算法 | 第24-28页 |
| 3.2.1 能量贡献效率(ECE) | 第24-26页 |
| 3.2.2 贝叶斯PCA | 第26-27页 |
| 3.2.3 改进MSPCA的分析过程 | 第27-28页 |
| 3.3 基于改进MSPCA的异常检测方法 | 第28-29页 |
| 3.4 实验结果及分析 | 第29-34页 |
| 3.4.1 数据集及特征选择 | 第29-30页 |
| 3.4.2 改进MSPCA检测结果 | 第30-31页 |
| 3.4.3 对比现有的检测方法 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于Sketch-MSPCA的异常检测方法 | 第35-43页 |
| 4.1 草图结构 | 第35-36页 |
| 4.2 基于Sketch-MSPCA检测方法的设计与实现 | 第36-37页 |
| 4.2.1 架构设计 | 第36-37页 |
| 4.2.2 参数选择 | 第37页 |
| 4.3 实验结果与分析 | 第37-42页 |
| 4.3.1 数据集选取 | 第37-38页 |
| 4.3.2 不同草图尺寸的评估 | 第38-39页 |
| 4.3.3 与其它基于草图的检测方法比较 | 第39-41页 |
| 4.3.4 检测到的攻击的异常程度 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文研究工作总结 | 第43-44页 |
| 5.2 工作展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 发表论文和科研情况说明 | 第48-49页 |
| 致谢 | 第49页 |