| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-12页 |
| 1.2.1 SDN网络安全的研究现状 | 第10-11页 |
| 1.2.2 SDN网络下的DDoS攻击检测研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 结构安排 | 第13-15页 |
| 第2章 SDN网络架构下基于深度学习的DDoS攻击检测机制建模 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 相关技术及原理概述 | 第15-22页 |
| 2.2.1 SDN网络 | 第15-16页 |
| 2.2.2 Open Flow协议 | 第16-18页 |
| 2.2.3 DDoS攻击 | 第18-19页 |
| 2.2.4 深度学习 | 第19-22页 |
| 2.3 SDN网络架构下基于深度学习的DDoS攻击检测机制的模型架构建立 | 第22-25页 |
| 2.3.1 模型架构 | 第22-23页 |
| 2.3.2 模块介绍 | 第23-24页 |
| 2.3.3 攻击检测的实施流程 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 SDN网络架构下基于深度学习的DDoS攻击检测技术 | 第26-47页 |
| 3.1 引言 | 第26页 |
| 3.2 数据预处理方法设计 | 第26-30页 |
| 3.2.1 流表特征提取算法 | 第26-28页 |
| 3.2.2 数据集采集 | 第28-29页 |
| 3.2.3 时间序列处理方法 | 第29-30页 |
| 3.3 基于改进遗传算法的优化LSTM深度学习模型 | 第30-43页 |
| 3.3.1 LSTM深度学习模型 | 第30-33页 |
| 3.3.2 基于改进遗传算法优化LSTM神经网络的算法设计 | 第33-43页 |
| 3.4 网络启动阶段数据敏感性问题处理方法设计 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 攻击检测机制的系统部署及实验仿真 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 实验仿真环境 | 第47-49页 |
| 4.2.1 Mininet | 第47-48页 |
| 4.2.2 Ryu控制器 | 第48-49页 |
| 4.3 系统部署及实验仿真 | 第49-54页 |
| 4.3.1 系统部署 | 第49-50页 |
| 4.3.2 攻击检测机制的实验仿真及结果分析 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-64页 |
| 致谢 | 第64页 |
