基于数据挖掘的移动互联网数据包安全检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 恶意软件检测系统 | 第10-11页 |
| 1.2.2 恶意软件检测方法 | 第11-12页 |
| 1.3 论文结构 | 第12-13页 |
| 1.4 小结 | 第13-15页 |
| 第二章 相关理论基础 | 第15-21页 |
| 2.1 聚类算法 | 第15-16页 |
| 2.2 朴素贝叶斯算法 | 第16-17页 |
| 2.3 决策树算法 | 第17-19页 |
| 2.4 小结 | 第19-21页 |
| 第三章 移动互联网数据包检测系统 | 第21-31页 |
| 3.1 应用场景 | 第21-22页 |
| 3.2 系统架构 | 第22-23页 |
| 3.3 恶意软件检测流程 | 第23-28页 |
| 3.3.1 工作过程 | 第23-25页 |
| 3.3.2 核心工作流 | 第25-28页 |
| 3.4 分析 | 第28-29页 |
| 3.5 小结 | 第29-31页 |
| 第四章 基于先验知识的缩点聚类算法 | 第31-37页 |
| 4.1 算法描述 | 第31-34页 |
| 4.1.1 团的提取 | 第31-32页 |
| 4.1.2 数据集缩点 | 第32-33页 |
| 4.1.3 缩点聚类 | 第33-34页 |
| 4.2 分析 | 第34-35页 |
| 4.2.1 正确性证明 | 第34-35页 |
| 4.2.2 性能分析 | 第35页 |
| 4.3 Map-Reduce模型 | 第35-36页 |
| 4.4 小结 | 第36-37页 |
| 第五章 基于密度的缩点聚类算法 | 第37-49页 |
| 5.1 基本算法描述 | 第37-40页 |
| 5.1.1 数据缩点 | 第38-39页 |
| 5.1.2 缩点后数据集聚类 | 第39-40页 |
| 5.1.3 增量缩点 | 第40页 |
| 5.2 可扩展性调整 | 第40-45页 |
| 5.2.1 数据划分 | 第41-42页 |
| 5.2.2 均值计算 | 第42-43页 |
| 5.2.3 相似度计算 | 第43-44页 |
| 5.2.4 小组构建 | 第44页 |
| 5.2.5 组内相似度 | 第44-45页 |
| 5.3 分析与证明 | 第45-48页 |
| 5.3.1 基于密度的缩点聚类的复杂度 | 第46页 |
| 5.3.2 可扩展性问题 | 第46-47页 |
| 5.3.3 数据的稀疏性 | 第47页 |
| 5.3.4 基于密度的缩点算法的正确性 | 第47-48页 |
| 5.4 小结 | 第48-49页 |
| 第六章 系统实现 | 第49-51页 |
| 第七章 实验结果 | 第51-65页 |
| 7.1 缩点聚类算法实验 | 第51-59页 |
| 7.1.1 聚类的正确性 | 第51-54页 |
| 7.1.2 聚类算法性能测试 | 第54-55页 |
| 7.1.3 阈值选择 | 第55-56页 |
| 7.1.4 基于密度缩点聚类的效率 | 第56页 |
| 7.1.5 减小稀疏度 | 第56-57页 |
| 7.1.6 可扩展性测试 | 第57-59页 |
| 7.2 数据包安全检测系统实验 | 第59-62页 |
| 7.2.1 多模块检测准确性测试 | 第59-61页 |
| 7.2.2 系统并行性测试 | 第61-62页 |
| 7.3 小结 | 第62-65页 |
| 第八章 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
