首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于机器学习的BGP异常事件检测与实现

摘要第5-6页
ABSTRACT第6页
第一章 绪论第10-14页
    1.1 课题背景第10-11页
    1.2 课题研究内容与创新点第11-13页
        1.2.1 研究内容第11-13页
        1.2.2 课题创新点第13页
    1.3 论文组织与结构第13-14页
第二章 相关技术介绍第14-24页
    2.1 BGP网络协议概述第14-16页
        2.1.1 BGP相关概念原理第14-15页
        2.1.2 BGP UPDATE报文结构第15-16页
    2.2 BGP网络异常概述第16-19页
        2.2.1 BGP路由劫持第16-18页
        2.2.2 BGP路由泄露第18-19页
    2.3 BGP开放数据简介第19-20页
        2.3.1 RIPE第19-20页
        2.3.2 BGP Stream第20页
    2.4 分布式框架简介第20-21页
        2.4.1 Hadoop HDFS第20-21页
        2.4.2 SparK第21页
    2.5 机器学习算法概述第21-23页
        2.5.1 线性模型算法第21-22页
        2.5.2 非线性模型算法第22-23页
    2.6 本章小结第23-24页
第三章 基于机器学习的BGP检测算法研究第24-39页
    3.1 基于分布式系统的特征采集算法第24-28页
        3.1.1 宣告/撤回数量第24-25页
        3.1.2 重复宣告/隐式撤回第25-26页
        3.1.3 AS源数量第26-27页
        3.1.4 路径长度第27页
        3.1.5 路径编辑距离第27-28页
    3.2 基于多指标的特征处理算法第28-31页
        3.2.1 Fisher算法第29页
        3.2.2 mRMR算法第29-30页
        3.2.3 综合特征处理算法第30-31页
    3.3 基于组合模型的异常检测算法第31-38页
        3.3.1 组合模型算法整体设计第32-33页
        3.3.2 基于GBDT的特征转化算法第33-36页
        3.3.3 基于GBDT+LR的BGP异常检测算法第36-37页
        3.3.4 基于GBDT+FM的BGP异常检测算法第37-38页
    3.4 本章小结第38-39页
第四章 BGP异常事件检测系统设计与实现第39-52页
    4.1 系统需求分析第39-40页
    4.2 系统整体流程与架构第40-41页
    4.3 BGP异常特征采集模块第41-44页
        4.3.1 BGP UPDATE报文采集第41-42页
        4.3.2 BGP异常事件采集第42-44页
        4.3.3 特征计算模块第44页
    4.4 异常特征处理模块第44-47页
        4.4.1 特征评分模块第45页
        4.4.2 多指标综合处理模块第45-47页
    4.5 BGP异常事件检测模块第47-51页
        4.5.1 多分类处理第47页
        4.5.2 特征转化模块第47-49页
        4.5.3 异常检测模块第49-51页
    4.6 本章小结第51-52页
第五章 实验及结果分析第52-68页
    5.1 实验方案第52-53页
    5.2 各模块结果分析第53-61页
        5.2.1 特征采集模块结果分析第53-57页
        5.2.2 特征处理模块结果分析第57-58页
        5.2.3 特征检测模块结果分析第58-61页
    5.3 模型主要参数分析第61-65页
    5.4 组合模型与非组合模型对比第65-67页
    5.5 本章小结第67-68页
第六章 总结与展望第68-71页
    6.1 工作总结第68-69页
    6.2 未来展望第69-71页
参考文献第71-73页
致谢第73-74页
作者攻读学位期间发表的学术论文目录第74页

论文共74页,点击 下载论文
上一篇:基于OTDR的边坡监测告警系统的设计与实现
下一篇:面向节能的无线多跳网络中继节点部署算法