优化觅食算法改进支持向量机的僵尸网络检测模型研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 僵尸网络影响分析 | 第9-12页 |
| 1.3 国内外研究现状 | 第12页 |
| 1.4 论文的主要研究工作 | 第12-13页 |
| 1.5 论文结构 | 第13-15页 |
| 第二章 僵尸网络及检测方法相关研究 | 第15-26页 |
| 2.1 僵尸网络概述 | 第15-16页 |
| 2.1.1 僵尸网路工作的基本原理 | 第15-16页 |
| 2.2 僵尸网络分类 | 第16-19页 |
| 2.3 僵尸网络检测技术 | 第19-25页 |
| 2.3.1 基于客户端的检测技术 | 第20页 |
| 2.3.2 基于网络的检测技术 | 第20-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 僵尸网络数据集及流量特征提取 | 第26-36页 |
| 3.1 僵尸网络数据集 | 第26-29页 |
| 3.1.1 僵尸网络数据集 | 第26-28页 |
| 3.1.2 僵尸网络数据流提取 | 第28-29页 |
| 3.2 僵尸网络流量特征 | 第29-35页 |
| 3.2.1 特征提取 | 第29-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 改进支持向量机的僵尸网络检测模型设计 | 第36-45页 |
| 4.1 支持向量机 | 第36-38页 |
| 4.2 优化觅食算法(OFA)算法 | 第38-41页 |
| 4.2.1 优化觅食算法原理 | 第39-40页 |
| 4.2.2 优化觅食算法流程 | 第40-41页 |
| 4.3 优化觅食算法改进支持向量机 | 第41-44页 |
| 4.3.1 SVM参数以及核函数参数 | 第42-43页 |
| 4.3.2 优化觅食算法改进高斯核函数支持向量机 | 第43-44页 |
| 4.4 OFA-SVM构建僵尸网络检测模型 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 OFA-SVM僵尸网络检测模型实验分析 | 第45-57页 |
| 5.1 实验数据集及处理 | 第45-47页 |
| 5.1.1 数据集的选择及特征提取 | 第45页 |
| 5.1.2 数据预处理 | 第45-47页 |
| 5.2 实验性能评估指标 | 第47-48页 |
| 5.3 实验软硬件环境 | 第48页 |
| 5.4 粒子群算法优化SVM | 第48-49页 |
| 5.5 实验及分析 | 第49-53页 |
| 5.5.1 OFA-SVM参数取值 | 第49-50页 |
| 5.5.2 实验结果 | 第50-52页 |
| 5.5.3 性能分析 | 第52-53页 |
| 5.6 与BP算法检测模型实验对比 | 第53-56页 |
| 5.7 本章小节 | 第56-57页 |
| 第六章 结论 | 第57-58页 |
| 6.1 主要结论 | 第57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
