| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第15-35页 |
| 1.1 研究背景 | 第15页 |
| 1.2 流量异常检测问题 | 第15-19页 |
| 1.3 国内外研究现状 | 第19-31页 |
| 1.3.1 流量异常检测方法 | 第19-28页 |
| 1.3.2 流量异常特征 | 第28-31页 |
| 1.4 论文主要工作和创新点 | 第31-33页 |
| 1.5 论文组织结构 | 第33-35页 |
| 第2章 流量异常检测及相关知识 | 第35-41页 |
| 2.1 流量异常检测概述 | 第35页 |
| 2.2 流量异常类型 | 第35-38页 |
| 2.2.1 分布式拒绝服务攻击 | 第36-37页 |
| 2.2.2 蠕虫 | 第37-38页 |
| 2.2.3 突发访问 | 第38页 |
| 2.3 流量采样 | 第38-39页 |
| 2.4 数据集 | 第39-40页 |
| 2.4.1 CAIDA数据集 | 第39页 |
| 2.4.2 KDDCUP99数据集 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 基于特征分析的通信网络异常弱关联数据检测 | 第41-59页 |
| 3.1 引言 | 第41-42页 |
| 3.2 问题提出 | 第42-44页 |
| 3.3 基于特征分析的异常弱关联数据检测 | 第44-50页 |
| 3.3.1 异常流量提取 | 第46-47页 |
| 3.3.2 基于粗粒度的弱关联数据特征提取方法 | 第47-48页 |
| 3.3.3 基于信息熵的异常弱关联数据检测 | 第48-50页 |
| 3.4 实验 | 第50-56页 |
| 3.4.1 数据集 | 第50-53页 |
| 3.4.2 网络通信自适应测试 | 第53-56页 |
| 3.5 本章小结 | 第56-59页 |
| 第4章 基于改进的自适应遗传算法和支持向量机结合的流量异常检测方法 | 第59-79页 |
| 4.1 引言 | 第59-60页 |
| 4.2 支持向量机与支持向量机参数优化 | 第60-63页 |
| 4.2.1 支持向量机 | 第60-62页 |
| 4.2.2 支持向量机参数优化 | 第62-63页 |
| 4.3 遗传算法与特征选择 | 第63-68页 |
| 4.3.1 遗传算法 | 第63-66页 |
| 4.3.2 特征选择 | 第66-68页 |
| 4.4 基于改进的自适应遗传算法和支持向量机结合的流量异常检测 | 第68-75页 |
| 4.4.1 改进的自适应遗传算法同时进行特征选择和参数优化 | 第68-74页 |
| 4.4.2 基于改进的自适应遗传算法和支持向量机结合的流量异常检测框架 | 第74-75页 |
| 4.5 实验 | 第75-78页 |
| 4.6 本章小结 | 第78-79页 |
| 第5章 基于蚱蜢优化算法和K-Means结合的流量异常检测方法 | 第79-91页 |
| 5.1 引言 | 第79-80页 |
| 5.2 K-Means算法 | 第80-81页 |
| 5.3 蚱蜢优化算法 | 第81-85页 |
| 5.4 基于蚱蜢优化算法和K-Means结合的流量异常检测 | 第85-87页 |
| 5.4.1 个体表示 | 第85页 |
| 5.4.2 适应度评估 | 第85页 |
| 5.4.3 基于蚱蜢优化算法和K-Means结合的流量异常检测框架 | 第85-87页 |
| 5.5 实验 | 第87-90页 |
| 5.6 本章小结 | 第90-91页 |
| 第6章 总结与展望 | 第91-93页 |
| 6.1 总结 | 第91页 |
| 6.2 展望 | 第91-93页 |
| 参考文献 | 第93-109页 |
| 作者简介及在学期间所取得的科研成果 | 第109-110页 |
| 致谢 | 第110页 |
