| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 缩略字表 | 第13-15页 |
| 第一章 绪论 | 第15-31页 |
| ·互联网流量 | 第15-16页 |
| ·网络流量行为感知的基本概念和研究意义 | 第16-21页 |
| ·态势感知的基本概念和原理 | 第16页 |
| ·网络态势感知的基本概念和内容 | 第16-18页 |
| ·网络流量行为感知的基本概念和内容 | 第18-20页 |
| ·网络流量行为感知的研究意义 | 第20-21页 |
| ·网络流量行为感知的发展历程与现状 | 第21-25页 |
| ·网络流量行为感知的发展历程 | 第21-22页 |
| ·网络流量行为感知的国内外研究现状 | 第22-25页 |
| ·骨干网络流量异常行为感知研究的关键问题 | 第25-28页 |
| ·骨干网络流量行为特征提取问题 | 第25-27页 |
| ·骨干网络流量异常行为特征变化规律的理解问题 | 第27-28页 |
| ·骨干网络流量异常行为趋势预测问题 | 第28页 |
| ·全文主要贡献与内容安排 | 第28-31页 |
| ·全文主要贡献 | 第28-29页 |
| ·本文内容安排 | 第29-31页 |
| 第二章 骨干网络流量数据及预处理方法研究 | 第31-55页 |
| ·研究背景 | 第31-32页 |
| ·研究对象 | 第32-41页 |
| ·Abilene 网络 | 第32-34页 |
| ·NetFlow | 第34-40页 |
| ·Flow-tools | 第40-41页 |
| ·基于熵的预处理算法 | 第41-46页 |
| ·问题定义 | 第41-42页 |
| ·基于信息熵的数据离散化压缩表示 | 第42页 |
| ·基于信息熵的预处理算法 | 第42-43页 |
| ·仿真和分析 | 第43-46页 |
| ·基于子空间的预处理算法 | 第46-54页 |
| ·基于PCA 的子空间分离算法 | 第46-48页 |
| ·基于ICA 的子空间分离算法 | 第48-51页 |
| ·基于流行学习的子空间分离算法 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第三章 单个汇接点网络流量异常行为感知方法研究 | 第55-97页 |
| ·研究背景 | 第55-56页 |
| ·基于信号处理的异常特征提取 | 第56-66页 |
| ·问题定义 | 第56-57页 |
| ·基于小波包变换的算法 | 第57-58页 |
| ·基于瞬时频率的算法 | 第58页 |
| ·基于Choi-Williams 分布的算法 | 第58-59页 |
| ·基于Pseudo Wigner-Ville 分布的算法 | 第59页 |
| ·基于经验模式分解的算法 | 第59-61页 |
| ·仿真结果与分析 | 第61-66页 |
| ·基于频繁子结构的异常特征提取算法 | 第66-72页 |
| ·问题定义 | 第66-67页 |
| ·频繁子结构算法 | 第67-70页 |
| ·基于频繁子结构的算法 | 第70-71页 |
| ·仿真结果与分析 | 第71-72页 |
| ·基于波形分析的多维序列符号化感知算法 | 第72-83页 |
| ·问题定义 | 第72-74页 |
| ·多维序列波形挖掘算法 | 第74-77页 |
| ·多维序列波形符号化分析算法 | 第77页 |
| ·多维序列波形符号位图算法 | 第77-78页 |
| ·仿真结果与分析 | 第78-83页 |
| ·基于矩阵内积的多时间序列关联感知快速算法 | 第83-89页 |
| ·问题定义 | 第84页 |
| ·基于矩阵的Apriori 算法 | 第84-87页 |
| ·基于矩阵的快速Apriori 算法 | 第87页 |
| ·仿真结果与分析 | 第87-89页 |
| ·基于TCP 平衡性的网络流量行为感知算法 | 第89-95页 |
| ·问题定义 | 第89-90页 |
| ·TCP 服务、首部、三次握手与TCP 宏观平衡性 | 第90-94页 |
| ·基于TCP 宏观平衡性的流量行为感知算法 | 第94页 |
| ·仿真结果与分析 | 第94-95页 |
| ·本章小结 | 第95-97页 |
| 第四章 跨越多个汇接点的网络流量异常行为感知方法研究 | 第97-107页 |
| ·研究背景 | 第97-98页 |
| ·网络全息对应理论 | 第97-98页 |
| ·网络时空统一理论 | 第98页 |
| ·跨越多个汇接点网络流量行为异常特征提取方法 | 第98-103页 |
| ·问题定义 | 第99页 |
| ·基于两阶段处理的时空处理方法 | 第99-100页 |
| ·两阶段处理算法 | 第100-101页 |
| ·仿真结果与分析 | 第101-103页 |
| ·基于时空序列关联挖掘的跨越多个汇接点的网络流量行为感知方法 | 第103-106页 |
| ·问题定义 | 第103页 |
| ·时空序列关联挖掘算法 | 第103-104页 |
| ·仿真结果与分析 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 第五章 骨干网络流量异常行为趋势的预测方法研究 | 第107-118页 |
| ·研究背景 | 第107-108页 |
| ·基于粒子群优化神经网络的短期流量异常行为预测算法 | 第108-113页 |
| ·问题描述 | 第108-109页 |
| ·基于粒子群优化神经网络短期流量异常行为预测算法 | 第109-111页 |
| ·仿真结果与分析 | 第111-113页 |
| ·基于流量熵值特征的异常行为趋势的组合灰预测算法 | 第113-117页 |
| ·问题描述 | 第113-115页 |
| ·ICA-AGF 算法 | 第115页 |
| ·仿真结果与分析 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 第六章 全文总结 | 第118-121页 |
| ·研究工作总结 | 第118-119页 |
| ·展望 | 第119-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-129页 |
| 本文作者在攻博期间发表、录用和投出的文章 | 第129-132页 |
| 已发表和录用期刊文章 | 第129页 |
| 已发表和录用国际会议文章 | 第129-130页 |
| 已投期刊文章 | 第130-132页 |
| 攻读博士期间参加的科研项目 | 第132-133页 |
