| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-19页 |
| 1.2.1 网络虚拟资产 | 第13-15页 |
| 1.2.2 网络电子身份证 | 第15-16页 |
| 1.2.3 基于行为的异常检测 | 第16-19页 |
| 1.3 本文主要工作 | 第19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第二章 相关技术研究 | 第21-35页 |
| 2.1 数据集成技术 | 第21-23页 |
| 2.1.1 联邦数据库系统 | 第21-22页 |
| 2.1.2 中间件模式 | 第22-23页 |
| 2.1.3 数据仓库模式 | 第23页 |
| 2.2 异常检测技术 | 第23-33页 |
| 2.2.1 基于统计的异常检测 | 第24-26页 |
| 2.2.2 基于机器学习的异常检测 | 第26-29页 |
| 2.2.3 基于数据挖掘的异常检测 | 第29-33页 |
| 2.2.4 小结 | 第33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 虚拟资产数据集成 | 第35-45页 |
| 3.1 基于XML的虚拟资产描述语言 | 第35-40页 |
| 3.1.1 XML信息描述模型 | 第35-36页 |
| 3.1.2 虚拟资产描述语言 | 第36-40页 |
| 3.2 虚拟资产数据存储和交换 | 第40-43页 |
| 3.2.1 虚拟资产数据存储机制 | 第40-42页 |
| 3.2.2 虚拟资产数据交换框架 | 第42-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第四章 基于行为分析的虚拟资产异常发现 | 第45-67页 |
| 4.1 虚拟资产行为数据分析及预处理 | 第45-48页 |
| 4.1.1 数据特点分析 | 第45-47页 |
| 4.1.2 行为数据预处理 | 第47-48页 |
| 4.2 基于数据挖掘和递归式匹配的行为异常发现 | 第48-60页 |
| 4.2.1 行为模式挖掘 | 第49-57页 |
| 4.2.2 异常检测 | 第57-60页 |
| 4.3 基于eID关联的跨平台异常发现 | 第60-62页 |
| 4.4 实验及分析 | 第62-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 虚拟资产保全系统中异常检测模块的设计与实现 | 第67-77页 |
| 5.1 虚拟资产保全系统框架介绍 | 第67-68页 |
| 5.2 虚拟资产保全系统中异常检测模块的设计与实现 | 第68-75页 |
| 5.2.1 异常检测模块设计 | 第69-71页 |
| 5.2.2 异常检测模块实现 | 第71-75页 |
| 5.3 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 工作总结 | 第77页 |
| 6.2 工作展望 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 作者在学期间取得的学术成果 | 第85页 |