| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 图录 | 第9-11页 |
| 表录 | 第11-12页 |
| 第一章 绪论 | 第12-28页 |
| 1.1 研究背景与意义 | 第12-16页 |
| 1.1.1 互联网发展及安全现状 | 第12-13页 |
| 1.1.2 网络异常介绍 | 第13-14页 |
| 1.1.3 入侵检测系统和方法 | 第14-16页 |
| 1.2 异常检测方法概述 | 第16-21页 |
| 1.2.1 统计分析方法 | 第16-18页 |
| 1.2.2 机器学习方法 | 第18-19页 |
| 1.2.3 数据挖掘方法 | 第19-21页 |
| 1.3 问题提出 | 第21-24页 |
| 1.3.1 基于流量特性分析的精确性问题 | 第22-23页 |
| 1.3.2 基于多维特征分析的实时性问题 | 第23-24页 |
| 1.4 本文的主要贡献 | 第24-25页 |
| 1.5 本文的章节安排 | 第25-28页 |
| 第二章 基于 FRFT 分析的自适应异常检测方法 | 第28-42页 |
| 2.1 引言 | 第28页 |
| 2.2 网络流量自相似 | 第28-34页 |
| 2.2.1 自相似定义 | 第29-30页 |
| 2.2.2 自相似估计方法 | 第30-34页 |
| 2.3 基于 FRFT 的自相似估计 | 第34-35页 |
| 2.3.1 FRFT 定义 | 第34页 |
| 2.3.2 FRFT 域网络特性分析 | 第34-35页 |
| 2.3.3 基于 FRFT 的 Hurst 指数估计 | 第35页 |
| 2.4 基于 FRFT 分析的自适应检测 | 第35-37页 |
| 2.4.1 自适应检测原理 | 第35-36页 |
| 2.4.2 自适应检测流程 | 第36-37页 |
| 2.5 实验及分析 | 第37-41页 |
| 2.5.1 FRFT 估计分析 | 第37-39页 |
| 2.5.2 异常检测分析 | 第39-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 基于 PCA-TS 和决策树分类的异常检测方法 | 第42-58页 |
| 3.1 引言 | 第42页 |
| 3.2 特征选择分析 | 第42-44页 |
| 3.2.1 问题描述 | 第43页 |
| 3.2.2 特征选择 | 第43-44页 |
| 3.3 基于 PCA-TS 特征选择算法 | 第44-48页 |
| 3.3.1 主成分分析 | 第44-45页 |
| 3.3.2 禁忌搜索 | 第45-47页 |
| 3.3.3 PCA-TS 特征选择算法 | 第47-48页 |
| 3.4 基于决策树分类的异常检测算法 | 第48-51页 |
| 3.4.1 C4.5 决策树算法 | 第48-49页 |
| 3.4.2 基于分类的异常检测方法 | 第49-51页 |
| 3.5 实验及分析 | 第51-57页 |
| 3.5.1 PCA-TS 算法分析 | 第51-54页 |
| 3.5.2 分类检测分析 | 第54-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第四章 异常检测系统实现方案 | 第58-68页 |
| 4.1 引言 | 第58页 |
| 4.2 系统结构 | 第58-59页 |
| 4.3 系统模块实现方案 | 第59-62页 |
| 4.3.1 特征提取模块 | 第59-60页 |
| 4.3.2 估计检测模块 | 第60-61页 |
| 4.3.3 分类识别模块 | 第61-62页 |
| 4.4 系统性能测试 | 第62-66页 |
| 4.4.1 模块部署与测试方案 | 第62-63页 |
| 4.4.2 系统性能测试 | 第63-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 结束语 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 下一步工作 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第76页 |