| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及研究意义 | 第10页 |
| 1.2 国内外相关研究现状 | 第10-12页 |
| 1.2.1 基于访问日志语法分析的爬虫检测 | 第10-11页 |
| 1.2.2 基于访问模式的爬虫检测 | 第11页 |
| 1.2.3 基于访问行为的爬虫检测 | 第11页 |
| 1.2.4 基于访问序列的爬虫检测 | 第11-12页 |
| 1.2.5 其余检测方式 | 第12页 |
| 1.2.6 存在的问题 | 第12页 |
| 1.3 本文的工作 | 第12-13页 |
| 1.4 文章结构安排 | 第13-14页 |
| 第二章 相关技术分析 | 第14-22页 |
| 2.1 爬虫原理 | 第14-16页 |
| 2.1.1 爬虫工作流程 | 第14-15页 |
| 2.1.2 爬行策略 | 第15页 |
| 2.1.3 绕过反爬虫策略 | 第15-16页 |
| 2.2 爬虫检测技术 | 第16-18页 |
| 2.2.1 根据robots.txt与user-agent检测 | 第16页 |
| 2.2.2 根据访问特征检测 | 第16-17页 |
| 2.2.3 机器学习应用爬虫检测 | 第17-18页 |
| 2.2.4 设置爬虫陷阱 | 第18页 |
| 2.3 爬虫的实时检测系统 | 第18页 |
| 2.4 访问日志预处理 | 第18-21页 |
| 2.4.1 Web访问日志内容构成 | 第19-20页 |
| 2.4.2 预处理目的 | 第20页 |
| 2.4.3 日志格式 | 第20页 |
| 2.4.4 步骤 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 制定爬虫数据集 | 第22-28页 |
| 3.1 研究意义与目的 | 第22-23页 |
| 3.2 数据集设计的依据 | 第23-25页 |
| 3.2.1 总结前人的爬虫经验 | 第23-24页 |
| 3.2.2 分析自己网站的爬虫记录 | 第24-25页 |
| 3.3 制定数据集 | 第25-27页 |
| 3.3.1 设计爬虫 | 第25-26页 |
| 3.3.2 网站的选择 | 第26页 |
| 3.3.3 爬虫数据集预估与统计 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 本文采用的训练模型和相关算法 | 第28-36页 |
| 4.1 数学模型 | 第28-31页 |
| 4.1.1 HMM | 第28-30页 |
| 4.1.2 选择HMM的原因 | 第30页 |
| 4.1.3 HMM的三个基本问题 | 第30-31页 |
| 4.2 相关算法 | 第31-35页 |
| 4.2.1 前向-后向算法 | 第31-32页 |
| 4.2.2 Baum-Welch算法 | 第32-34页 |
| 4.2.3 泊松分布 | 第34-35页 |
| 4.3 本章小结 | 第35-36页 |
| 第五章 基于HMM的爬虫检测 | 第36-43页 |
| 5.1 总体方案设计 | 第36-37页 |
| 5.2 提取爬虫序列 | 第37-40页 |
| 5.2.1 分析爬虫序列 | 第37-39页 |
| 5.2.2 HMM描述爬虫序列 | 第39-40页 |
| 5.3 爬虫模型训练 | 第40-41页 |
| 5.3.1 训练模型 | 第40-41页 |
| 5.3.2 确定爬虫分布区间 | 第41页 |
| 5.3.3 误差处理 | 第41页 |
| 5.4 模型用于爬虫检测 | 第41-42页 |
| 5.5 本章小结 | 第42-43页 |
| 第六章 实验与验证 | 第43-52页 |
| 6.1 数据描述 | 第43-45页 |
| 6.1.1 训练数据 | 第43-44页 |
| 6.1.2 训练数据 | 第44-45页 |
| 6.2 模型参数与爬虫区间 | 第45-47页 |
| 6.2.1 模型参数 | 第45-46页 |
| 6.2.2 爬虫区间 | 第46-47页 |
| 6.3 检测实验 | 第47-50页 |
| 6.3.1 评价指标 | 第47-48页 |
| 6.3.2 验证实验 | 第48页 |
| 6.3.3 检测结果对比 | 第48-49页 |
| 6.3.4 实验小结 | 第49-50页 |
| 6.4 项目环境 | 第50-51页 |
| 6.5 本章小结 | 第51-52页 |
| 第七章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附件 | 第58页 |