摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第14-19页 |
1.1 研究背景与意义 | 第14-15页 |
1.2 技术框架 | 第15-17页 |
1.3 研究目标与内容 | 第17页 |
1.4 论文结构安排 | 第17-19页 |
第二章 基于行为分析的异常检测技术研究现状 | 第19-31页 |
2.1 网络行为分析 | 第19-22页 |
2.1.1 网络行为概念 | 第19页 |
2.1.2 网络行为的分类 | 第19-20页 |
2.1.3 网络行为分析方法 | 第20-22页 |
2.2 网络异常检测 | 第22-26页 |
2.2.1 网络异常概述 | 第22-23页 |
2.2.2 网络异常检测 | 第23-26页 |
2.3 基于行为分析的异常检测技术 | 第26-29页 |
2.3.1 流量行为层异常检测 | 第27-28页 |
2.3.2 协议行为层异常检测 | 第28页 |
2.3.3 用户行为层异常检测 | 第28-29页 |
2.4 存在的主要问题与研究对策 | 第29-30页 |
2.5 本章小结 | 第30-31页 |
第三章 基于聚类模式评估的异常流量行为检测 | 第31-51页 |
3.1 问题分析和解决思路 | 第31-32页 |
3.2 相关概念定义 | 第32-36页 |
3.2.1 聚类规则 | 第32-33页 |
3.2.2 聚类模式 | 第33-36页 |
3.3 基于信息熵与邻域分析的加权特征选择 | 第36-43页 |
3.3.1 基于信息熵的候选特征集构建 | 第37页 |
3.3.2 基于邻域分析的加权特征选择 | 第37-40页 |
3.3.3 算法描述 | 第40-41页 |
3.3.4 实验验证 | 第41-43页 |
3.4 网络流聚类中K-means算法的改进 | 第43-44页 |
3.4.1 训练网络流加权聚类算法WK-means | 第43-44页 |
3.4.2 实时网络流加权聚类算法rtWK-means | 第44页 |
3.5 基于滑动窗口的异常流量行为检测过程 | 第44-47页 |
3.5.1 滑动窗口设计 | 第44-45页 |
3.5.2 聚类模式匹配与异常输出 | 第45-47页 |
3.6 实验验证 | 第47-50页 |
3.6.1 测试环境 | 第47页 |
3.6.2 实验过程 | 第47-48页 |
3.6.3 实验结果分析与比较 | 第48-50页 |
3.7 本章小结 | 第50-51页 |
第四章 基于条件随机场的异常协议行为检测 | 第51-63页 |
4.1 问题分析与解决思路 | 第51-52页 |
4.2 基于条件随机场的应用协议建模 | 第52-55页 |
4.2.1 相关概念 | 第52-53页 |
4.2.2 基于协议关键字的数据包特征选取 | 第53-54页 |
4.2.3 模型建立 | 第54-55页 |
4.3 模型训练 | 第55-58页 |
4.4 基于联合概率的异常协议检测 | 第58-59页 |
4.5 实验结果与讨论 | 第59-62页 |
4.5.1 数据准备 | 第59-60页 |
4.5.2 检测结果与分析 | 第60-62页 |
4.5.3 结论 | 第62页 |
4.6 本章小结 | 第62-63页 |
第五章 基于会话关联分析的异常用户行为检测与模式漂移检测 | 第63-91页 |
5.1 问题分析与解决思路 | 第63-64页 |
5.2 基于模糊时序关联模式的用户会话序列建模 | 第64-73页 |
5.2.1 相关概念 | 第64-65页 |
5.2.2 会话模糊时序关联模式定义 | 第65-66页 |
5.2.3 模式训练方法 | 第66-73页 |
5.3 基于模式匹配的实时异常用户行为检测 | 第73-75页 |
5.4 实例:局域网用户异常行为检测 | 第75-78页 |
5.4.1 测试环境 | 第75页 |
5.4.2 数据准备 | 第75-76页 |
5.4.3 检测结果与分析 | 第76-78页 |
5.5 基于关系熵和J量值的用户会话序列模式漂移检测 | 第78-89页 |
5.5.1 问题描述 | 第78页 |
5.5.2 基于会话关系的特征抽取 | 第78-81页 |
5.5.3 基于特征值分布假设检验的模式漂移检测 | 第81-84页 |
5.5.4 实验分析与讨论 | 第84-89页 |
5.6 本章小结 | 第89-91页 |
第六章 总结与展望 | 第91-93页 |
6.1 主要工作总结 | 第91-92页 |
6.2 有待进一步研究的问题 | 第92-93页 |
致谢 | 第93-94页 |
参考文献 | 第94-100页 |
作者简历 | 第100页 |