基于阈值自适应的异常检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 常见的异常检测模型 | 第15-29页 |
| 2.1 最大熵异常检测模型 | 第15-19页 |
| 2.1.1 数据包分类 | 第15-16页 |
| 2.1.2 最大熵估计 | 第16-17页 |
| 2.1.3 特征选择 | 第17-18页 |
| 2.1.4 检测模型 | 第18-19页 |
| 2.2 阈值随机游走异常检测模型 | 第19-26页 |
| 2.2.1 模型 | 第19-20页 |
| 2.2.2 序贯假设检验 | 第20-23页 |
| 2.2.3 选择假设的结论数量 | 第23-24页 |
| 2.2.4 参数讨论 | 第24-26页 |
| 2.3 数据包报头异常检测模型 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 阈值自适应检测模型 | 第29-37页 |
| 3.1 异常分值统计分析 | 第29-34页 |
| 3.1.1 异常分值的时间依赖性 | 第29-31页 |
| 3.1.2 异常分值的时间依赖性建模 | 第31-34页 |
| 3.2 阈值自适应算法 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 阈值自适应检测模型实现与验证 | 第37-53页 |
| 4.1 阈值自适应检测模型原型系统的设计与实现 | 第37-42页 |
| 4.1.1 系统设计 | 第37-38页 |
| 4.1.2 核心模块设计 | 第38-39页 |
| 4.1.3 算法数据结构设计 | 第39-40页 |
| 4.1.4 核心功能实现 | 第40-42页 |
| 4.2 实验数据集 | 第42-45页 |
| 4.2.1 LBNL数据集 | 第42-43页 |
| 4.2.2 Endpoint数据集 | 第43-44页 |
| 4.2.3 NUST数据集 | 第44-45页 |
| 4.3 检测实验 | 第45-46页 |
| 4.3.1 实验设计 | 第45页 |
| 4.3.2 评估标准 | 第45-46页 |
| 4.4 模型评估 | 第46-52页 |
| 4.4.1 算法的准确性评估 | 第46-48页 |
| 4.4.2 算法的稳定性评估 | 第48-50页 |
| 4.4.3 算法的鲁棒性评估 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-64页 |
| 攻读硕士学位期间科研和发表论文情况 | 第64页 |
