| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-20页 |
| ·引言 | 第7页 |
| ·蠕虫概念 | 第7-11页 |
| ·定义 | 第7-9页 |
| ·结构和工作机制 | 第9-11页 |
| ·蠕虫的传播机理 | 第11-16页 |
| ·蠕虫的传播模型 | 第11-14页 |
| ·蠕虫的传播策略 | 第14-16页 |
| ·蠕虫的攻击 | 第16-18页 |
| ·感染 | 第16-17页 |
| ·传播 | 第17-18页 |
| ·执行负载 | 第18页 |
| ·蠕虫的研究现状和发展趋势 | 第18-19页 |
| ·论文的组织结构 | 第19-20页 |
| 2 网络蠕虫的检测与防御 | 第20-29页 |
| ·网络蠕虫的检测 | 第20-27页 |
| ·网络蠕虫检测的需求分析 | 第20页 |
| ·网络蠕虫检测的分类 | 第20-21页 |
| ·当前蠕虫检测主要方法 | 第21-27页 |
| ·网络蠕虫的防御 | 第27-29页 |
| 3 基于统计的蠕虫检测方法 | 第29-51页 |
| ·统计学习理论 | 第29-30页 |
| ·统计学习与网络蠕虫的结合原理 | 第30-31页 |
| ·失败连接流量和基于小波包分析的蠕虫特征提取 | 第31-33页 |
| ·基于K最近邻的蠕虫检测方法 | 第33-38页 |
| ·基于K最近邻的蠕虫检测算法 | 第33-35页 |
| ·实验与结果分析 | 第35-38页 |
| ·基于支持向量机的蠕虫检测算法 | 第38-47页 |
| ·支持向量机的基本原理 | 第38-41页 |
| ·基于支持向量机检测模型的构造 | 第41-42页 |
| ·基于支持向量机的蠕虫检测方法的实现 | 第42-45页 |
| ·基于支持向量机和神经网络算法的比较 | 第45-47页 |
| ·基于支持向量机和K最近邻相结合的蠕虫检测算法 | 第47-50页 |
| ·基于支持向量机和K最近邻分类方法相结合的理论基础 | 第47-48页 |
| ·SVM-KNN分类器的构造 | 第48-49页 |
| ·基于SVM-KNN分类器的蠕虫检测算法的实现 | 第49-50页 |
| ·三种基于统计的蠕虫检测算法的比较 | 第50-51页 |
| 4 总结与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间的研究成果 | 第56页 |