| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 现有系统背景 | 第12-15页 |
| 1.3.1 僵尸网络综合评价检测系统 | 第12-13页 |
| 1.3.2 基于主动方式的僵尸网络检测系统 | 第13-14页 |
| 1.3.3 基于关联分析的僵尸网络监测系统 | 第14-15页 |
| 1.4 论文研究目标及内容 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 相关知识和工作 | 第17-29页 |
| 2.1 IP流 | 第17页 |
| 2.2 僵尸网络 | 第17-20页 |
| 2.2.1 僵尸网络生命周期 | 第17-18页 |
| 2.2.2 僵尸网络主要类型 | 第18-20页 |
| 2.3 加密流量识别 | 第20-23页 |
| 2.3.1 数据包负载随机性检测 | 第21-22页 |
| 2.3.2 基于有效负载的识别方法 | 第22页 |
| 2.3.3 基于机器学习的识别方法 | 第22页 |
| 2.3.4 混合方法 | 第22-23页 |
| 2.4 C&C通信检测 | 第23-24页 |
| 2.4.1 主动式C&C通信检测 | 第23-24页 |
| 2.4.2 被动式C&C通信检测 | 第24页 |
| 2.5 僵尸网络行为的时空关联性 | 第24-28页 |
| 2.5.1 响应行为的时间相关性 | 第26页 |
| 2.5.2 响应行为的空间相关性 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于流的加密流量识别方法 | 第29-41页 |
| 3.1 基于流的加密流量识别算法 | 第29-35页 |
| 3.1.1 流的定义 | 第29页 |
| 3.1.2 算法描述 | 第29-32页 |
| 3.1.3 Monte Carlo PI估计误差 | 第32-33页 |
| 3.1.4 相对熵 | 第33页 |
| 3.1.5 特征选择 | 第33-34页 |
| 3.1.6 缓存大小选择 | 第34页 |
| 3.1.7 SVM算法 | 第34-35页 |
| 3.2 实验结果与分析 | 第35-39页 |
| 3.2.1 系统流程及功能概述 | 第35-36页 |
| 3.2.2 数据集 | 第36-37页 |
| 3.2.3 评估策略 | 第37页 |
| 3.2.4 算法结果分析 | 第37-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 C&C通信检测 | 第41-55页 |
| 4.1 僵尸网络C&C通信流量特性分析 | 第41-45页 |
| 4.1.1 僵尸网络C&C通信流量的采集 | 第41-42页 |
| 4.1.2 DNS流量的周期性 | 第42-44页 |
| 4.1.3 通信数据流的规模 | 第44-45页 |
| 4.2 基于流量特性的C&C通信检测方法 | 第45-50页 |
| 4.2.1 检测方案概述 | 第45-46页 |
| 4.2.2 特征码匹配 | 第46-47页 |
| 4.2.3 DNS流量的周期性评价 | 第47-49页 |
| 4.2.4 通信数据流的规模评价 | 第49页 |
| 4.2.5 综合分析检测 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-53页 |
| 4.3.1 数据集 | 第50-51页 |
| 4.3.2 实验结果分析 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 基于时空关联性的僵尸网络的检测 | 第55-67页 |
| 5.1 基础算法简介 | 第55-56页 |
| 5.1.1 Bloom Filter算法 | 第55页 |
| 5.1.2 SPRT算法 | 第55-56页 |
| 5.2 基于时空关联性的僵尸网络检测算法的设计 | 第56-60页 |
| 5.2.1 IP聚集的Bloom Filter算法 | 第57-59页 |
| 5.2.2 基于响应组密度的SPRT算法 | 第59-60页 |
| 5.3 实验结果与分析 | 第60-66页 |
| 5.3.1 系统模型及工作流程 | 第60-62页 |
| 5.3.2 数据集 | 第62页 |
| 5.3.3 算法结果分析 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-73页 |