| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究的研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文的主要工作 | 第14页 |
| ·论文的结构安排 | 第14-17页 |
| 第二章 DDoS攻击检测技术研究 | 第17-31页 |
| ·DDoS入侵检测系统的类别 | 第17-18页 |
| ·DDoS攻击误用检测系统 | 第17页 |
| ·DDoS攻击异常检测系统 | 第17-18页 |
| ·混合型检测系统 | 第18页 |
| ·基于统计分析的异常检测技术的研究 | 第18-22页 |
| ·基于网络流量自相似检测法 | 第18-19页 |
| ·基于熵值的检测法 | 第19-20页 |
| ·条件随机场检测法 | 第20-21页 |
| ·基于统计分析检测模型的缺点 | 第21-22页 |
| ·基于机器学习的DDoS攻击检测技术 | 第22-28页 |
| ·基于机器学习的检测系统 | 第22-23页 |
| ·基于决策树的检测方法 | 第23-24页 |
| ·基于朴素贝叶斯分类器的检测方法 | 第24页 |
| ·基于贝叶斯信念网的检测方法 | 第24-25页 |
| ·支持向量机SVM的理论特性 | 第25-28页 |
| ·机器学习检测方法的比较及其不足 | 第28页 |
| ·本章小结 | 第28-31页 |
| 第三章 基于SVM的DDoS攻击检测方法优化 | 第31-41页 |
| ·SVM的训练模型 | 第31-32页 |
| ·特征选取算法 | 第32-36页 |
| ·流量的描述方法 | 第33-35页 |
| ·属性特征选择的描述 | 第35页 |
| ·带调整因子的通用评价标准 | 第35-36页 |
| ·特征选择策略及方法优化 | 第36-38页 |
| ·通用型特征选取方法 | 第36-37页 |
| ·混合型特征选取方法 | 第37-38页 |
| ·核函数参数选择方法的优化 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 分布式包过滤系统DIPS的设计 | 第41-55页 |
| ·基于IpNetworkTester的DIPS设计 | 第41-42页 |
| ·DIPS的总体描述 | 第41页 |
| ·DIPS系统的需求分析 | 第41-42页 |
| ·DIPS的设计方案 | 第42-51页 |
| ·DIPS的设计原理 | 第42-43页 |
| ·DIPS的体系架构 | 第43-46页 |
| ·DIPS的功能模块设计 | 第46-48页 |
| ·DIPS节点的认证 | 第48页 |
| ·DIPS节点间通信 | 第48-51页 |
| ·DIPS的部署方案 | 第51-52页 |
| ·DIPS系统与其他DDoS防御系统的比较 | 第52-53页 |
| ·与传统检测技术的比较 | 第52页 |
| ·与防火墙技术比较 | 第52页 |
| ·与单一的检测系统比较 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 实验设计与测试 | 第55-69页 |
| ·WEKA实验平台 | 第55-56页 |
| ·数据预处理 | 第56-58页 |
| ·数据来源 | 第56-57页 |
| ·数据格式 | 第57-58页 |
| ·实验设计与结果分析 | 第58-66页 |
| ·实验一 机器学习算法测试比较 | 第58-64页 |
| ·实验二 支持向量机模型的测试 | 第64-66页 |
| ·本章小结 | 第66-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·全文的总结 | 第69-70页 |
| ·后续研究的展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 附录 | 第73-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士学位期间发表的论文目录 | 第77页 |