| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究的背景与意义 | 第8-9页 |
| 1.2 国内外对于异常流量检测的研究现状 | 第9-11页 |
| 1.3 项目介绍 | 第11页 |
| 1.4 论文的主要研究内容与结构 | 第11-14页 |
| 第二章 网络异常数据分类算法研究 | 第14-24页 |
| 2.1 非均衡数据概述 | 第14-16页 |
| 2.1.1 非均衡数据研究现状 | 第14页 |
| 2.1.2 分类器性能评估 | 第14-16页 |
| 2.2 非均衡数据异常分类算法 | 第16-21页 |
| 2.2.1 决策树分类算法分析 | 第16-17页 |
| 2.2.2 Boosting算法研究 | 第17-18页 |
| 2.2.3 AdaBoost算法研究 | 第18-20页 |
| 2.2.4 随机森林算法研究 | 第20-21页 |
| 2.3 主动学习算法 | 第21页 |
| 2.4 本章小结 | 第21-24页 |
| 第三章 网络数据异常分类预处理研究 | 第24-40页 |
| 3.1 实验数据集介绍 | 第24-28页 |
| 3.2 网络数据流分析 | 第28-36页 |
| 3.2.1 正常数据流特征分析 | 第29-33页 |
| 3.2.2 异常数据流分析 | 第33-35页 |
| 3.2.3 正常与异常数据流对比 | 第35页 |
| 3.2.4 网络数据流特征提取 | 第35-36页 |
| 3.3 数据预处理模块 | 第36-37页 |
| 3.4 本章小结 | 第37-40页 |
| 第四章 基于改进AdaBoost算法的非均衡数据异常分类方法 | 第40-48页 |
| 4.1 基于AdaBoost算法的非均衡分类分析 | 第40-41页 |
| 4.2 基于组合分类算法框架 | 第41-43页 |
| 4.2.1 特征选择 | 第41-42页 |
| 4.2.2 误分类代价的衡量 | 第42-43页 |
| 4.3 改进AdaBoost算法的非均衡数据异常分类算法设计 | 第43-47页 |
| 4.3.1 基于非均衡数据的异常检测算法 | 第43-44页 |
| 4.3.2 非均衡数据分类模型总体流程 | 第44-45页 |
| 4.3.3 C4.5决策树构造的AdaBoost算法 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 非均衡异常数据分类实验分析 | 第48-62页 |
| 5.1 实验介绍 | 第48-51页 |
| 5.1.1 实验数据介绍 | 第48-50页 |
| 5.1.2 实验算法简介 | 第50-51页 |
| 5.2 仿真实验 | 第51-55页 |
| 5.2.1 特征提取 | 第51-52页 |
| 5.2.2 实验结果分析 | 第52-53页 |
| 5.2.3 结果分析 | 第53-55页 |
| 5.3 实际网络环境中的实验 | 第55-56页 |
| 5.3.1 实验简述 | 第55页 |
| 5.3.2 实验环境 | 第55页 |
| 5.3.3 科来回溯分析系统介绍 | 第55-56页 |
| 5.4 网络回溯分析系统实验 | 第56-60页 |
| 5.4.1 链路运行状况测试 | 第57-58页 |
| 5.4.2 网络异常状况分析 | 第58-59页 |
| 5.4.3 实际网络环境实验总结 | 第59-60页 |
| 5.5 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文总结 | 第62-63页 |
| 6.2 未来工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
