| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景 | 第8-10页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 常见网络攻击 | 第9-10页 |
| 1.2 课题来源和选题意义 | 第10页 |
| 1.2.1 课题来源 | 第10页 |
| 1.2.2 选题意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 网络异常行为检测技术概述 | 第10-11页 |
| 1.3.2 数据挖掘在网络异常行为检测领域的研究进展 | 第11-12页 |
| 1.3.3 粗糙集理论在网络异常行为检测领域的研究进展 | 第12页 |
| 1.4 论文研究内容与结构 | 第12-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 粗糙集理论及分类算法 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 粗糙集理论 | 第15-17页 |
| 2.3 粗糙集在网络异常行为检测中的应用 | 第17-18页 |
| 2.3.1 网络异常行为检测的粗糙集等价 | 第17页 |
| 2.3.2 基于粗糙集约简的网络流量特征选择 | 第17-18页 |
| 2.4 分类分析 | 第18-22页 |
| 2.4.1 贝叶斯分类 | 第18-19页 |
| 2.4.2 决策树分类 | 第19-21页 |
| 2.4.3 K近邻分类 | 第21-22页 |
| 2.5 分类算法在网络异常行为检测中的应用 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于等价类的粗糙集约简算法的增量式改进 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 粗糙集约简算法 | 第24-27页 |
| 3.2.1 基于正域的粗糙集约简算法 | 第24-25页 |
| 3.2.2 基于信息熵的粗糙集约简算法 | 第25-26页 |
| 3.2.3 基于知识粒度的粗糙集约简算法 | 第26-27页 |
| 3.3 等价类的增量式改进 | 第27-28页 |
| 3.4 实验验证 | 第28-30页 |
| 3.4.1 实验环境 | 第28页 |
| 3.4.2 实验数据简介 | 第28-29页 |
| 3.4.3 数据处理流程 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于KD-Tree的快速KNN网络异常检测方法 | 第31-38页 |
| 4.1 引言 | 第31页 |
| 4.2 KNN检测模型的优缺点及优化 | 第31-34页 |
| 4.2.1 KNN优缺点及优化策略 | 第31-32页 |
| 4.2.2 KD-Tree理论的应用现状 | 第32页 |
| 4.2.3 KD-Tree结构及构建 | 第32-33页 |
| 4.2.4 利用KD-Tree查找K个近邻 | 第33-34页 |
| 4.3 实验验证 | 第34-37页 |
| 4.3.1 优化的K近邻异常检测流程 | 第34-35页 |
| 4.3.2 实验步骤 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 面向服务的网络异常检测原型系统 | 第38-57页 |
| 5.1 引言 | 第38页 |
| 5.2 面向服务的网络异常检测原型系统的总体设计 | 第38-44页 |
| 5.2.1 架构设计 | 第38-39页 |
| 5.2.2 业务逻辑 | 第39-40页 |
| 5.2.3 功能设计 | 第40-41页 |
| 5.2.4 技术路线 | 第41-42页 |
| 5.2.5 程序结构 | 第42-43页 |
| 5.2.6 服务端设计 | 第43页 |
| 5.2.7 客户端设计 | 第43-44页 |
| 5.3 面向服务的网络异常检测原型系统的详细设计 | 第44-48页 |
| 5.3.1 数据模块 | 第44-45页 |
| 5.3.2 预处理模块 | 第45-46页 |
| 5.3.3 特征选择模块 | 第46页 |
| 5.3.4 训练模块 | 第46-47页 |
| 5.3.5 检测模块 | 第47-48页 |
| 5.4 原型系统验证 | 第48-56页 |
| 5.4.1 基础算法验证 | 第48-52页 |
| 5.4.2 组合算法验证 | 第52-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 6.1 论文总结 | 第57页 |
| 6.2 工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
