摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-20页 |
·异常检测概述 | 第12-15页 |
·异常的定义 | 第12-13页 |
·异常的分类 | 第13-14页 |
·异常检测方法 | 第14-15页 |
·异常检测的应用领域 | 第15-17页 |
·网络入侵检测 | 第15-16页 |
·科学数据新颖性挖掘 | 第16页 |
·欺诈检测 | 第16-17页 |
·医疗病历分析/工业健康管理 | 第17页 |
·异常检测要解决的关键问题 | 第17-18页 |
·本文的贡献 | 第18页 |
·本文的组织结构 | 第18-20页 |
第二章 相关工作 | 第20-32页 |
·异常检测的研究现状 | 第20-21页 |
·传统的异常检测模型 | 第21-30页 |
·基于分布(Distribution-based)的方法 | 第21-22页 |
·基于深度(Depth-based)的方法 | 第22-23页 |
·基于图(Graph-based)的方法 | 第23-24页 |
·基于聚类(Clustering-based)的方法 | 第24页 |
·基于距离(Distance-based)的方法 | 第24-26页 |
·基于密度(Density-based)的方法 | 第26-28页 |
·基于神经网络(Neural Network-based)的方法 | 第28-29页 |
·基于支持向量机(Support Vector Machine-based)的方法 | 第29-30页 |
·异常检测模型性能指标 | 第30-32页 |
第三章 分布式异常检测 | 第32-74页 |
·研究动机 | 第32-33页 |
·相关工作 | 第33-34页 |
·问题定义 | 第34-36页 |
·集成学习与异常检测 | 第36-39页 |
·基于有监督学习的分布式异常检测 | 第39-55页 |
·基于有监督学习的异常检测算法 | 第39-42页 |
·基于模型交换的有监督学习分布式异常检测技术 | 第42-46页 |
·实验仿真 | 第46-55页 |
·基于无监督学习的分布式异常检测 | 第55-71页 |
·基于无监督学习的异常检测算法 | 第56-59页 |
·基于模型交换的无监督学习分布式异常检测技术 | 第59-65页 |
·实验仿真 | 第65-71页 |
·理论分析和推导 | 第71-72页 |
·小结 | 第72-74页 |
第四章 数据流上的在线异常检测 | 第74-89页 |
·研究动机 | 第74-75页 |
·相关工作 | 第75页 |
·概念漂移检测 | 第75-78页 |
·基于响应式学习的在线异常检测技术 | 第78-79页 |
·实验仿真 | 第79-87页 |
·小结 | 第87-89页 |
第五章 高维数据上的异常检测 | 第89-100页 |
·研究动机 | 第89页 |
·投影异常检测 | 第89-94页 |
·主分量分析(Principal Component Analyze) | 第90-91页 |
·独立分量分析(Independent Component Analyze) | 第91-92页 |
·自适应谱聚类分析(Adaptive Spectral Clustering Analyze) | 第92-94页 |
·实验仿真 | 第94-99页 |
·高维数据聚类的实验 | 第94-95页 |
·科学数据集上的分布式异常检测 | 第95-99页 |
·小结 | 第99-100页 |
第六章 基于隐私保护的异常检测 | 第100-114页 |
·研究动机 | 第100-101页 |
·隐私保护评价标准 | 第101-106页 |
·数据质量 | 第103-104页 |
·隐私程度 | 第104-105页 |
·复杂性分析 | 第105-106页 |
·基于隐私保护支持向量机的异常检测 | 第106-107页 |
·个性化隐私保护 | 第107-112页 |
·基于个性化隐私度的数据扰动 | 第108-110页 |
·防止链接攻击的多版本隐私数据发布 | 第110-111页 |
·基于个性化隐私保护的分布式异常检测 | 第111-112页 |
·小结 | 第112-114页 |
第七章 结论 | 第114-116页 |
·本文总结 | 第114页 |
·未来工作展望 | 第114-116页 |
致谢 | 第116-117页 |
参考文献 | 第117-125页 |
攻博期间取得的研究成果 | 第125-127页 |