基于网络流相关性的大规模网络异常发现技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题背景 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·相关工作比较 | 第12-13页 |
| ·基于时间序列的方法 | 第12页 |
| ·基于小波分析的方法 | 第12-13页 |
| ·本课题主要研究内容 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 网络流量刻画 | 第15-23页 |
| ·网络流量整体刻画 | 第15-17页 |
| ·自相似系数的测定 | 第15-17页 |
| ·网络流量分层刻画 | 第17-22页 |
| ·数据报文长度分布 | 第18-20页 |
| ·流量端口分布 | 第20页 |
| ·流量IP分布 | 第20-21页 |
| ·流特征相关性 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于小报文阈值的自适应采样算法 | 第23-34页 |
| ·当前采样算法及其局限性 | 第23-25页 |
| ·自适应采样算法 | 第25-26页 |
| ·基于小报文阈值的自适应采样算法 | 第26-30页 |
| ·攻击报文大小分布 | 第26-27页 |
| ·正常数据小报文分布 | 第27-28页 |
| ·基于小报文阈值的自适应采样算法 | 第28-29页 |
| ·阈值的选取 | 第29-30页 |
| ·采样实验结果及分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于主成分分析的相关性分析模型 | 第34-51页 |
| ·网络流量分析 | 第34-35页 |
| ·主成分分析和网络流相关性 | 第35-39页 |
| ·主成分分析 | 第35-36页 |
| ·基于主成分分析的关联性分析模型 | 第36-39页 |
| ·实验数据及环境 | 第39-40页 |
| ·主成分宏观分析 | 第40-41页 |
| ·数据集横向比较 | 第40-41页 |
| ·数据集自身比较 | 第41页 |
| ·主成分微观分析 | 第41-46页 |
| ·主成分微观分析 | 第42-45页 |
| ·特征向量聚类分析 | 第45-46页 |
| ·模型深入分析 | 第46-50页 |
| ·样本选择窗口大小 | 第46-47页 |
| ·攻击检测灵敏度 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 网络流多相似度相关分析 | 第51-60页 |
| ·特征分析 | 第51-52页 |
| ·多特征相似度分析 | 第52-54页 |
| ·多特征相似度定义 | 第52-53页 |
| ·多特征相似度分析 | 第53-54页 |
| ·正常行为与多相似度 | 第54-56页 |
| ·异常行为与多相似度 | 第56-58页 |
| ·基于多特征相似度的异常检测算法 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 哈尔滨工业大学硕士学位论文原创性声明 | 第66页 |
| 哈尔滨工业大学硕士学位论文使用授权书 | 第66页 |
| 哈尔滨工业大学硕士学位涉密论文管理 | 第66-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
