应用数据挖掘算法检测分布式拒绝服务攻击
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 组织结构 | 第15-16页 |
| 2 DDoS攻击概述 | 第16-32页 |
| 2.1 DoS/DDoS攻击原理 | 第16-21页 |
| 2.1.1 DoS攻击原理 | 第16-17页 |
| 2.1.2 DDoS攻击原理 | 第17-18页 |
| 2.1.3 DDoS攻击的产生根源 | 第18-19页 |
| 2.1.4 DDoS攻击的一般过程 | 第19-20页 |
| 2.1.5 DDoS攻击的常用工具 | 第20-21页 |
| 2.2 DDoS攻击的分类 | 第21-26页 |
| 2.2.1 剧毒包攻击 | 第22页 |
| 2.2.2 风暴型攻击 | 第22-26页 |
| 2.3 DDoS攻击的发展趋势 | 第26-28页 |
| 2.4 DDoS攻击检测方法研究 | 第28-32页 |
| 2.4.1 DDoS攻击检测方法分类 | 第28-31页 |
| 2.4.2 DDoS攻击检测方法的分析 | 第31-32页 |
| 3 数据挖掘简介及相关算法改进 | 第32-51页 |
| 3.1 数据挖掘简介 | 第32-34页 |
| 3.1.1 数据挖掘定义 | 第32页 |
| 3.1.2 数据挖掘的任务 | 第32-33页 |
| 3.1.3 数据挖掘与传统分析方法的区别 | 第33页 |
| 3.1.4 应用数据挖掘于网络攻击检测中 | 第33-34页 |
| 3.2 数据挖掘经典算法 | 第34-38页 |
| 3.2.1 关联规则算法 | 第34-37页 |
| 3.2.2 Apriori算法描述 | 第37-38页 |
| 3.3 聚类分析及经典算法和改进算法 | 第38-45页 |
| 3.3.1 聚类分析简介 | 第38-40页 |
| 3.3.2 K-means聚类算法 | 第40-41页 |
| 3.3.3 改进的K-means算法 | 第41-45页 |
| 3.4 算法实验及比较分析 | 第45-51页 |
| 4 基于数据挖掘算法的DDoS攻击检测模型设计 | 第51-58页 |
| 4.1 检测模型的基本原理及总体框架 | 第51-52页 |
| 4.2 数据采集模块 | 第52-53页 |
| 4.3 流量异常检测模块 | 第53-55页 |
| 4.4 数据挖掘模块 | 第55-57页 |
| 4.4.1 数据挖掘模块模型 | 第55-56页 |
| 4.4.2 自适应模型的产生 | 第56-57页 |
| 4.5 决策预警模块 | 第57-58页 |
| 5 仿真实验及结果分析 | 第58-63页 |
| 5.1 实验条件 | 第58页 |
| 5.1.1 实验环境 | 第58页 |
| 5.1.2 检测模型的评估标准 | 第58页 |
| 5.2 实验过程 | 第58-60页 |
| 5.2.1 实验数据采集 | 第58页 |
| 5.2.2 实验样本选择 | 第58-59页 |
| 5.2.3 实验阈值设置 | 第59-60页 |
| 5.3 实验结果及分析 | 第60-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
