基于OCSVM和主动学习的DDOS攻击分布式检测系统
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 图表目录 | 第11-12页 |
| 1 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-13页 |
| ·研究现状 | 第13-14页 |
| ·研究内容和目的 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 2 DDOS攻击技术研究 | 第16-20页 |
| ·DDOS攻击概述 | 第16页 |
| ·资源消耗型攻击 | 第16-18页 |
| ·带宽消耗型攻击 | 第18-19页 |
| ·DDOS攻击流量特征 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 支持向量机理论 | 第20-31页 |
| ·学习问题的表示 | 第20页 |
| ·经验风险最小化 | 第20-21页 |
| ·VC维 | 第21-22页 |
| ·推广性的界 | 第22页 |
| ·结构风险最小化原则 | 第22-23页 |
| ·支持向量机算法 | 第23-26页 |
| ·常用支持向量机算法 | 第26-29页 |
| ·C-SVM算法 | 第26-28页 |
| ·One-class SVM算法 | 第28-29页 |
| ·算法比较分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 主动学习算法 | 第31-43页 |
| ·学习方法概述 | 第31-32页 |
| ·主动流量抽样方法 | 第32-33页 |
| ·主动错误识别算法 | 第33-36页 |
| ·拥塞控制原理 | 第33-34页 |
| ·P2P协议排除 | 第34-35页 |
| ·流量限速算法 | 第35-36页 |
| ·增量学习算法 | 第36-39页 |
| ·选块增量学习算法 | 第36-37页 |
| ·基于KKT条件的增量学习算法 | 第37-39页 |
| ·主动样本选择算法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 5 分布式检测体系 | 第43-51页 |
| ·立体防护概述 | 第43-44页 |
| ·安全联动协议 | 第44-49页 |
| ·联动协议设计 | 第45-46页 |
| ·客户端状态变迁 | 第46-48页 |
| ·服务端状态变迁 | 第48-49页 |
| ·协议安全性分析 | 第49页 |
| ·本章小结 | 第49-51页 |
| 6 系统设计与实现 | 第51-55页 |
| ·系统架构概述 | 第51页 |
| ·数据采集方法 | 第51-53页 |
| ·数据通信方法 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 7 实验及结果分析 | 第55-59页 |
| ·分类器检测效果实验 | 第55-56页 |
| ·DDOS攻击检测实验 | 第56-57页 |
| ·引擎联动实验 | 第57-59页 |
| 8 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·下一步工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 个人简历及论文发表情况 | 第64-65页 |
| 致谢 | 第65页 |
