| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第二章 网络用户行为分析及异常检测技术 | 第13-23页 |
| 2.1 网络用户行为分析 | 第13-17页 |
| 2.1.1 网络用户行为相关概念 | 第13页 |
| 2.1.2 网络用户行为的分类 | 第13-14页 |
| 2.1.3 网络用户行为分析方法概述 | 第14-17页 |
| 2.2 传统网络用户行为异常检测技术 | 第17-20页 |
| 2.2.1 基于案例推理的检测技术 | 第17-18页 |
| 2.2.2 基于神经网络的检测技术 | 第18-19页 |
| 2.2.3 基于关联事件的检测技术 | 第19-20页 |
| 2.2.4 基于规则推理的检测技术 | 第20页 |
| 2.3 基于行为分析的用户异常行为检测技术 | 第20-22页 |
| 2.3.1 基于流量行为层的异常行为检测技术 | 第20-21页 |
| 2.3.2 基于协议行为层的异常行为检测技术 | 第21-22页 |
| 2.3.3 基于用户行为层的异常行为检测技术 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于行为序列的网络异常行为检测方法 | 第23-34页 |
| 3.1 数据预处理过程 | 第23-24页 |
| 3.2 用户行为序列 | 第24-28页 |
| 3.2.1 用户行为序列和子序列 | 第24-26页 |
| 3.2.2 最长公共子序列 | 第26-28页 |
| 3.3 用户行为序列相似度算法 | 第28-31页 |
| 3.3.1 Jaccard算法 | 第28-29页 |
| 3.3.2 夹角余弦算法 | 第29-30页 |
| 3.3.3 基于Jaccard算法的改进算法 | 第30-31页 |
| 3.4 用户行为相关系数 | 第31-32页 |
| 3.5 异常行为检测方法 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 企业网络用户上网行为习惯挖掘 | 第34-46页 |
| 4.1 基于文本聚类的企业网络用户上网行为习惯挖掘 | 第34-35页 |
| 4.2 基于用户上网搜索记录的企业网络用户聚类方法 | 第35-43页 |
| 4.2.1 文本聚类流程 | 第36页 |
| 4.2.2 文本分词 | 第36-37页 |
| 4.2.3 TF-IDF计算并行化 | 第37-39页 |
| 4.2.4 k-means算法并行化 | 第39-43页 |
| 4.2.5 用户行为聚类分析 | 第43页 |
| 4.3 基于用户行为相似度的聚类结果验证方法 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于行为序列的企业网络用户异常行为检测系统实现 | 第46-57页 |
| 5.1 系统功能和目标 | 第46页 |
| 5.2 系统总体设计 | 第46-47页 |
| 5.3 系统测试与分析 | 第47-56页 |
| 5.3.1 实验环境 | 第47-48页 |
| 5.3.2 原始数据格式及属性 | 第48-49页 |
| 5.3.3 基于连接数的用户识别 | 第49-50页 |
| 5.3.4 相似度算法比较 | 第50-51页 |
| 5.3.5 基于行为相似度的异常行为检测结果 | 第51-52页 |
| 5.3.6 文本聚类测试 | 第52-54页 |
| 5.3.7 文本聚类并行化测试 | 第54-55页 |
| 5.3.8 基于用户搜索记录的聚类结果 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 附录2 攻读硕士学位期间申请的专利 | 第63-64页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65页 |
