| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及选题意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-14页 |
| 1.3 论文主要工作内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关理论及技术基础 | 第16-28页 |
| 2.1 机器学习 | 第16-17页 |
| 2.1.1 机器学习基本概念 | 第16页 |
| 2.1.2 机器学习应用 | 第16-17页 |
| 2.2 监督学习分类算法 | 第17-21页 |
| 2.3 半监督学习算法 | 第21-22页 |
| 2.4 分布式平台组件技术原理 | 第22-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 基于机器学习的URL攻击行为分类模型构建 | 第28-42页 |
| 3.1 多分类数据集获取及数据预处理 | 第28-32页 |
| 3.1.1 URL攻击检测类型 | 第28-29页 |
| 3.1.2 获取训练集 | 第29-30页 |
| 3.1.3 URL预处理 | 第30-32页 |
| 3.2 URL攻击行为分类特征的提取 | 第32-35页 |
| 3.2.1 特征提取 | 第32-35页 |
| 3.2.2 特征选择 | 第35页 |
| 3.3 URL攻击行为分类模型的训练 | 第35-37页 |
| 3.3.1 多类分类器的选择 | 第36页 |
| 3.3.2 交叉验证与多类评价指标 | 第36-37页 |
| 3.4 实验与分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于Co-Forest改进的半监督算法 | 第42-54页 |
| 4.1 Co-Forest介绍及改进需求分析 | 第42-43页 |
| 4.1.1 Co-Forest介绍 | 第42-43页 |
| 4.1.2 改进需求分析 | 第43页 |
| 4.2 基于Co-Forest改进的算法 | 第43-48页 |
| 4.3 实验与分析 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于Spark平台的URL攻击行为实时检测系统 | 第54-68页 |
| 5.1 需求分析和总体架构设计 | 第54-56页 |
| 5.1.1 需求分析 | 第54-55页 |
| 5.1.2 总体架构设计 | 第55-56页 |
| 5.2 主要功能模块设计与实现 | 第56-62页 |
| 5.2.1 流量采集模块 | 第57-60页 |
| 5.2.2 实时流计算模块 | 第60-61页 |
| 5.2.3 检测输出模块 | 第61-62页 |
| 5.3 系统测试与分析 | 第62-66页 |
| 5.3.1 系统测试 | 第62-65页 |
| 5.3.2 系统分析 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 工作总结与展望 | 第68-70页 |
| 6.1 工作总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读学位期间取得的研究成果 | 第76页 |