基于主机的日志大数椐分析及安全性检查
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外现状分析 | 第8-9页 |
| 1.3 本文的主要贡献 | 第9页 |
| 1.4 本文的组织结构 | 第9-11页 |
| 2 相关技术介绍 | 第11-25页 |
| 2.1 主机主要特点 | 第11-12页 |
| 2.2 可靠性 | 第12页 |
| 2.3 性能和扩展性 | 第12页 |
| 2.4 体系架构 | 第12页 |
| 2.5 灵活性 | 第12-13页 |
| 2.6 灾备方案 | 第13页 |
| 2.7 Hadoop | 第13页 |
| 2.8 HDFS | 第13-17页 |
| 2.8.1 文件命名空间 | 第14-15页 |
| 2.8.2 异常处理 | 第15-16页 |
| 2.8.3 特点 | 第16-17页 |
| 2.9 MapReduce | 第17-21页 |
| 2.9.1 介绍 | 第17页 |
| 2.9.2 工作原理 | 第17-21页 |
| 2.10 支持向量机 | 第21-25页 |
| 2.10.1 SVM简介 | 第21页 |
| 2.10.2 SVM基本原理 | 第21-22页 |
| 2.10.3 SVM的基本算法 | 第22-25页 |
| 3 IBM智慧物流 | 第25-30页 |
| 3.1 IBM智慧物流整体设计 | 第25-28页 |
| 3.2 Memcached集群设计与实现 | 第28-29页 |
| 3.3 DB2与MYSQL双数据库支持设计与实现 | 第29-30页 |
| 4 HADOOP分析及处理大规模日志 | 第30-39页 |
| 4.1 日志处理系统架构 | 第30-31页 |
| 4.2 数据源采集 | 第31页 |
| 4.3 MapReduce过程 | 第31-37页 |
| 4.3.1 Map过程 | 第31-35页 |
| 4.3.2 Combine过程 | 第35-36页 |
| 4.3.3 一级Reduce过程 | 第36-37页 |
| 4.3.4 二级Reduce过程 | 第37页 |
| 4.4 SVM分析用户行为 | 第37-39页 |
| 4.4.1 SVM训练 | 第37-38页 |
| 4.4.2 SVM分析 | 第38-39页 |
| 5 主动学习分析非登录用户 | 第39-52页 |
| 5.1 主动学习 | 第39页 |
| 5.2 不平衡数据 | 第39-40页 |
| 5.3 改进的主动学习算法 | 第40-42页 |
| 5.3.1 高斯核函数 | 第40页 |
| 5.3.2 选择引擎优化 | 第40-42页 |
| 5.4 改进算法实验 | 第42-50页 |
| 5.4.1 实验设计 | 第42-45页 |
| 5.4.2 数据集 | 第45-46页 |
| 5.4.3 实验过程及结果分析 | 第46-50页 |
| 5.5 主动学习分析非登录用户数据 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录A Memcached运行核心代码 | 第56-58页 |
| 附录B 双数据库兼容核心代码 | 第58-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
