摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-13页 |
1.1 研究背景 | 第9-11页 |
1.2 研究目的及意义 | 第11页 |
1.3 论文结构 | 第11-12页 |
1.4 本章小结 | 第12-13页 |
第二章 网络行为分析监测系统的设计与实现 | 第13-23页 |
2.1 概述 | 第13页 |
2.2 大数据时代 | 第13-15页 |
2.2.1 大数据的特征 | 第13-14页 |
2.2.2 海量数据的挑战 | 第14-15页 |
2.3 Hadoop简介 | 第15-19页 |
2.3.1 分布式文件系统 | 第16-17页 |
2.3.2 Map/Reduce计算模型 | 第17-19页 |
2.4 网路行为分析监测系统 | 第19-22页 |
2.4.1 系统功能介绍 | 第19页 |
2.4.2 数据采集过程 | 第19-20页 |
2.4.3 系统框架设计 | 第20-22页 |
2.5 本章小结 | 第22-23页 |
第三章 复合会话流量特征分析 | 第23-31页 |
3.1 复合会话 | 第23-27页 |
3.1.1 复合会话的定义 | 第23页 |
3.1.2 复合会话中的统计数据 | 第23-24页 |
3.1.3 复合会话流记录 | 第24-26页 |
3.1.4 复合会话数据采集算法 | 第26-27页 |
3.2 数据预处理 | 第27-28页 |
3.3 复合会话数据分析 | 第28-30页 |
3.3.1 复合会话流量分析 | 第28页 |
3.3.2 复合会话时间分布 | 第28-30页 |
3.4 本章小结 | 第30-31页 |
第四章 网络节点流量特征分析 | 第31-49页 |
4.1 概述 | 第31-32页 |
4.1.1 网络节点的定义 | 第31页 |
4.1.2 幂律分布 | 第31-32页 |
4.2 网络节点流量特征分析 | 第32-38页 |
4.2.1 网络节点的总流量分布 | 第32-34页 |
4.2.2 网络节点的访问用户数分布 | 第34-36页 |
4.2.3 网络节点总流量时间分布特征 | 第36-37页 |
4.2.4 网络节点访问用户的时间分布特征 | 第37-38页 |
4.3 网络节点聚类分析 | 第38-47页 |
4.3.1 网络节点日表参数统计 | 第38-39页 |
4.3.2 非P2P类网络节点选择算法 | 第39-41页 |
4.3.3 K-means算法 | 第41-42页 |
4.3.4 K-means算法的改进与实验分析 | 第42-45页 |
4.3.5 K-means算法分布式实现 | 第45-46页 |
4.3.6 网络节点聚类模式分析 | 第46-47页 |
4.4 本章小结 | 第47-49页 |
第五章 网络节点模式预测与异常检测 | 第49-63页 |
5.1 概述 | 第49页 |
5.2 网络节点模式预测 | 第49-57页 |
5.2.1 时间序列分析 | 第49-50页 |
5.2.2 移动平均与自回归(ARIMA)模型原理 | 第50-53页 |
5.2.3 网络节点行为模式预测 | 第53-57页 |
5.3 网络节点异常检测 | 第57-61页 |
5.3.1 基于距离与阈值判定的异常检测算法 | 第58-60页 |
5.3.2 实验结果分析 | 第60-61页 |
5.4 本章小结 | 第61-63页 |
第六章 总结与展望 | 第63-65页 |
参考文献 | 第65-67页 |
致谢 | 第67-69页 |
攻读学位期间发表的学术论文目录 | 第69页 |