| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 引言 | 第11-17页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 入侵检测技术研究现状 | 第12-14页 |
| 1.2.2 大数据处理平台研究现状 | 第14-15页 |
| 1.3 课题来源及主要研究工作 | 第15-16页 |
| 1.4 论文框架 | 第16-17页 |
| 第2章 基于Spark的网络入侵实时检测模型 | 第17-23页 |
| 2.1 网络入侵实时检测模型设计 | 第17-18页 |
| 2.2 NRIDS模型结构设计原理 | 第18-19页 |
| 2.3 技术架构 | 第19-20页 |
| 2.4 入侵检测流程 | 第20-22页 |
| 2.5 入侵检测模型性能评估 | 第22-23页 |
| 第3章 Spark与聚类分析算法研究 | 第23-38页 |
| 3.1 NRIDS模型与Spark | 第23-26页 |
| 3.1.1 Spark模块概述 | 第23-24页 |
| 3.1.2 SparkStreaming流处理原理 | 第24-26页 |
| 3.2 NRIDS模型与聚类分析 | 第26-31页 |
| 3.2.1 聚类分析概述 | 第27-28页 |
| 3.2.2 基本聚类方法 | 第28-30页 |
| 3.2.3 标准K-Means聚类算法 | 第30-31页 |
| 3.3 实时K-Means聚类算法 | 第31-33页 |
| 3.4 实时K-Means聚类算法优化 | 第33-36页 |
| 3.4.1 PSO最优算法 | 第33-34页 |
| 3.4.2 实时K-Means聚类算法改进 | 第34-36页 |
| 3.5 聚类算法有效性评估 | 第36-38页 |
| 3.5.1 聚类趋势评估 | 第36-37页 |
| 3.5.2 聚类质量评估 | 第37-38页 |
| 第4章 NRIDS详细设计与实现 | 第38-47页 |
| 4.1 网络数据采集 | 第38-39页 |
| 4.1.1 数据采集组件Kafka | 第38页 |
| 4.1.2 数据采集流程 | 第38-39页 |
| 4.2 SparkSQL数据存储 | 第39-40页 |
| 4.3 SparkStreaming数据流处理 | 第40-46页 |
| 4.4 检测结果响应 | 第46-47页 |
| 第5章 检测结果分析与性能测试 | 第47-58页 |
| 5.1 集群测试环境搭建 | 第47-49页 |
| 5.2 测试数据集 | 第49-51页 |
| 5.2.1 KDDCUP99数据集 | 第49-50页 |
| 5.2.2 数据的存储和预处理 | 第50-51页 |
| 5.3 聚类结果分析 | 第51-54页 |
| 5.4 入侵检测性能评估 | 第54-57页 |
| 5.5 入侵检测实时性分析 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读学位期间取得学术成果 | 第63页 |