| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 用户异常行为检测概述 | 第15-19页 |
| 1.1.1 用户异常行为检测及其应用 | 第15-16页 |
| 1.1.2 用户异常行为检测技术分类 | 第16-17页 |
| 1.1.3 用户异常行为检测度量标准 | 第17-18页 |
| 1.1.4 用户异常行为检测研究趋势 | 第18-19页 |
| 1.2 数据流下基于序列模式的用户异常行为检测概述 | 第19-22页 |
| 1.2.1 序列异常行为检测 | 第19-20页 |
| 1.2.2 序列模式更新 | 第20页 |
| 1.2.3 技术挑战 | 第20-22页 |
| 1.3 本文工作 | 第22-23页 |
| 1.4 论文结构 | 第23-25页 |
| 第二章 相关研究 | 第25-37页 |
| 2.1 序列异常检测技术 | 第25-33页 |
| 2.1.1 数据流自适应划分技术 | 第25-26页 |
| 2.1.2 序列模式挖掘技术 | 第26-30页 |
| 2.1.3 模式异常检测技术 | 第30-33页 |
| 2.2 序列模式更新技术 | 第33-36页 |
| 2.2.1 模式动态调整技术 | 第33-34页 |
| 2.2.2 概念漂移检测技术 | 第34-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 基于贝叶斯网络的用户行为序列异常检测算法 | 第37-53页 |
| 3.1 引言 | 第37-38页 |
| 3.2 基本思想 | 第38-39页 |
| 3.2.1 基本定义 | 第38-39页 |
| 3.2.2 算法流程 | 第39页 |
| 3.3 算法描述 | 第39-47页 |
| 3.3.1 基于滚动窗口的自适应划分算法 | 第40-42页 |
| 3.3.2 基于投影空间的快速剪枝算法 | 第42-44页 |
| 3.3.3 基于有向回环图的模式存储算法 | 第44-45页 |
| 3.3.4 基于top-k的异常评分算法 | 第45-47页 |
| 3.4 实验结果与分析 | 第47-51页 |
| 3.4.1 实验设置 | 第47-48页 |
| 3.4.2 自适应划分 | 第48-49页 |
| 3.4.3 处理延迟 | 第49-50页 |
| 3.4.4 准确性 | 第50-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 数据流下的增量式用户行为序列模式更新算法 | 第53-66页 |
| 4.1 引言 | 第53-54页 |
| 4.2 基本思想 | 第54-55页 |
| 4.2.1 基本定义 | 第54页 |
| 4.2.2 算法流程 | 第54-55页 |
| 4.3 算法描述 | 第55-61页 |
| 4.3.1 基于历史模式的动态模式衰退算法 | 第55-58页 |
| 4.3.2 基于模式突变的概念漂移检测算法 | 第58-60页 |
| 4.3.3 基于双时间衰退因子的模式更新算法 | 第60-61页 |
| 4.4 实验结果与分析 | 第61-65页 |
| 4.4.1 实验设置 | 第61-62页 |
| 4.4.2 模式动态调整 | 第62-63页 |
| 4.4.3 概念漂移自适应 | 第63-64页 |
| 4.4.4 准确性 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 基于模块化的用户异常行为检测系统设计与实现 | 第66-78页 |
| 5.1 引言 | 第66-68页 |
| 5.2 系统总体架构 | 第68-71页 |
| 5.2.1 系统框架 | 第68-70页 |
| 5.2.2 逻辑流程 | 第70-71页 |
| 5.3 系统关键技术 | 第71-75页 |
| 5.3.1 基于工作流引擎的拓扑映射技术 | 第71-73页 |
| 5.3.2 基于规则的自关联技术 | 第73-75页 |
| 5.4 实验结果与分析 | 第75-77页 |
| 5.4.1 实验设置 | 第75页 |
| 5.4.2 吞吐率 | 第75-76页 |
| 5.4.3 处理延迟 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 结束语 | 第78-81页 |
| 6.1 研究工作总结 | 第78-79页 |
| 6.2 未来工作展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 作者在学期间取得的学术成果 | 第87-88页 |
| 作者在学期间参加的主要科研工作 | 第88页 |