| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 问题的提出 | 第10页 |
| 1.4 论文的主要研究内容与论文结构 | 第10-12页 |
| 第2章 异常检测理论与聚类分析技术 | 第12-22页 |
| 2.1 网络异常的定义 | 第12页 |
| 2.2 网络异常的分类 | 第12-13页 |
| 2.3 网络异常检测方法分类 | 第13-15页 |
| 2.4 异常检测中的聚类技术研究 | 第15-21页 |
| 2.4.1 聚类分析基本概念 | 第15页 |
| 2.4.2 样本相似度的衡量及聚类准则 | 第15-16页 |
| 2.4.3 不同的聚类分析方法 | 第16-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 网络流量的特征选取以及数据分析 | 第22-27页 |
| 3.1 网络异常流量数据特征分析 | 第22-24页 |
| 3.2 网络数据特征及其异常检测的指标选取 | 第24-26页 |
| 3.2.1 信息熵 | 第24-25页 |
| 3.2.2 信息熵在异常检测中的应用 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第4章 改进的K-means算法与实验验证 | 第27-39页 |
| 4.1 聚类分析算法应用于异常检测的相关研究 | 第27-28页 |
| 4.1.1 聚类算法应用在异常检测的原理 | 第27页 |
| 4.1.2 K-means算法的不足之处 | 第27-28页 |
| 4.2 改进传统的K-means算法 | 第28-34页 |
| 4.2.1 对孤立点的处理 | 第28-29页 |
| 4.2.2 新的K值确定方法 | 第29-30页 |
| 4.2.3 选取适当的初始聚类中心 | 第30-33页 |
| 4.2.4 基于改进的k-means的异常检测算法 | 第33-34页 |
| 4.3 实验结果与分析 | 第34-38页 |
| 4.3.1 实验数据来源 | 第34页 |
| 4.3.2 试验数据预处理 | 第34-36页 |
| 4.3.3 实验结果与分析 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 基于改进的K-means网络异常检测模型与应用 | 第39-46页 |
| 5.1 网络流量异常检测模型 | 第39-43页 |
| 5.1.1 数据采集与特征处理 | 第40-41页 |
| 5.1.2 聚类阶段 | 第41-42页 |
| 5.1.3 异常检测阶段 | 第42-43页 |
| 5.2 异常检测模型实验结果分析 | 第43-45页 |
| 5.2.1 异常检测模型下K值的验证 | 第44页 |
| 5.2.2 网络流量异常检测模型性能分析 | 第44-45页 |
| 5.3 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在读期间发表的学术论文及研究成果 | 第51-52页 |
| 致谢 | 第52页 |