基于图模型的大规模网络异常检测
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究工作及创新点 | 第10-11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 第二章 相关技术及理论 | 第12-18页 |
| 2.1 NetFlow | 第12-13页 |
| 2.2 Flume | 第13-14页 |
| 2.3 Spark | 第14-17页 |
| 2.3.1 RDD | 第15页 |
| 2.3.2 SparkMLlib | 第15-16页 |
| 2.3.3 SparkGraphX | 第16页 |
| 2.3.4 SparkStreaming | 第16-17页 |
| 2.3.5 SparkSQL | 第17页 |
| 2.4 HBase | 第17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 基于图模型的大规模网络异常检测方法 | 第18-25页 |
| 3.1 方法框架 | 第18-19页 |
| 3.2 二分图模型 | 第19-20页 |
| 3.3 单模投影模型 | 第20-21页 |
| 3.4 Louvain社区检测模型 | 第21-22页 |
| 3.5 异常检测 | 第22-23页 |
| 3.5.1 相对不确定性模型 | 第23页 |
| 3.5.2 异常流量分析 | 第23页 |
| 3.6 本章小结 | 第23-25页 |
| 第四章 基于图模型的大规模网络异常检测系统 | 第25-35页 |
| 4.1 系统架构 | 第25页 |
| 4.2 数据采集层 | 第25-27页 |
| 4.3 数据持久化层 | 第27-29页 |
| 4.4 数据计算层 | 第29-34页 |
| 4.4.1 字段提取 | 第29-30页 |
| 4.4.2 构造二分图 | 第30-32页 |
| 4.4.3 构造单模投影 | 第32-33页 |
| 4.4.4 社区检测并行化 | 第33-34页 |
| 4.5 数据展示层 | 第34页 |
| 4.6 本章小结 | 第34-35页 |
| 第五章 实验结果与分析 | 第35-43页 |
| 5.1 社区检测 | 第35-38页 |
| 5.2 异常检测 | 第38-42页 |
| 5.2.1 相对不确定性分析 | 第38-40页 |
| 5.2.2 标志位分析 | 第40-41页 |
| 5.2.3 深度包检测结果分析 | 第41-42页 |
| 5.3 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 工作总结 | 第43-44页 |
| 6.2 问题与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 发表论文和科研情况说明 | 第48-49页 |
| 致谢 | 第49页 |
